高校专区
Auto-FP：关于表格数据自动化特征预处理的实验研究
机构 * Simon Fraser University（西蒙弗雷泽大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文研究了表格数据自动化特征预处理（Auto-FP）的方法，通过评估15种算法发现进化算法表现最佳，随机搜索也表现优异，分析了算法瓶颈并探讨了其扩展方向。
PAINT：伙伴无关意图感知的协作运输
机构 * Robotic Systems Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机器人系统实验室） ； Computational Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机器人学实验室） ； ETH AI Center, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院ETH人工智能中心）
AI总结 PAINT通过 proprioceptive 反馈直接推断伙伴意图，实现轻量级、高效的协作运输，适用于复杂地形和多种伙伴。
基于机器学习的补偿性躯干运动实时检测：使用躯干-手腕惯性测量单元
机构 * Rehabilitation Engineering Laboratory, ETH Zurich（康复工程实验室，苏黎世联邦理工学院） ； TU Munich（慕尼黑技术大学） ； Neuroscience Center Zurich（苏黎世神经科学中心） ； ETH Zurich（苏黎世联邦理工学院） ； Singapore-ETH Centre (CREATE)（新加坡-苏黎世中心（CREATE））
AI总结 本文提出利用两个惯性测量单元和机器学习方法，实现实时检测补偿性躯干运动，通过动作捕捉和视频标注验证模型性能，展示了稀疏可穿戴传感在康复和日常活动中的应用潜力。
Comments This manuscript has been submitted to IEEE Transactions on Neural Systems and Rehabilitation Engineering for possible publication. This version is a preprint and has not undergone peer review
跨文化模拟公民对官僚繁文缛节的情感反应使用LLM代理
机构 * ETH Zurich（苏黎世联邦理工学院） ； City University of Hong Kong（香港城市大学）
AI总结 本文通过LLM代理模拟不同文化背景下公民对官僚繁文缛节的情感反应，发现模型在东方文化中表现较弱，提出RAMO交互界面以改进模型性能。
Comments To appear in the CHI 2026 Workshop on PoliSim
Silo-Bench：一种用于评估多智能体大语言模型分布式协调的可扩展环境
机构 * Beijing University of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； ETH Zürich（苏黎世联邦理工学院） ； Meituan LongCat Interaction Team（美团LongCat交互团队） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 Silo-Bench通过30种算法任务和三个通信复杂度级别评估多智能体系统分布式协调，揭示了通信与推理之间的差距，证明单纯增加智能体数量无法克服上下文限制。
Comments 20 pages, 7 figures, Accepted at ACL 2026 Main Conference
一阶方法在随机和确定性矩阵上的普遍性
机构 * Bocconi University（博科尼大学） ； UC Davis（加州大学戴维斯分校） ； Johns Hopkins University（约翰霍普金斯大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 研究一阶方法在随机和确定性矩阵上的动态行为，通过分析输入矩阵的极限交通分布，推导出确定性矩阵的极限动态，并设计新的AMP迭代方法统一多种变体。
通过系数动力学设计序列模型的原则
机构 * ETH Zurich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Stanford University（斯坦福大学）
AI总结 本文通过系数动力学框架系统比较了序列模型，揭示了不同架构间的数学共同主题，并提出了设计原则以平衡表达能力、效率和稳定性。
一种针对高斯过程模型的鲁棒且自适应的MPC公式化
机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所）
AI总结 本文提出了一种针对受有界扰动和未建模非线性影响的不确定非线性系统的鲁棒且自适应MPC框架，利用高斯过程学习不确定动态，并通过收缩度量进行鲁棒预测，保证递归可行性、鲁棒约束满足和参考状态收敛。
在协作学习和优化中激励竞争者诚实
机构 * MPI for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（图宾根）） ； ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） ； Sofia High School of Mathematics（索非亚数学高中）
AI总结 研究探讨了协作学习中竞争者诚实激励问题，提出机制确保学习质量，并在非凸联邦学习基准中验证了激励方案的有效性。
Comments Updated experimental results after fixing a mistake in the code. Previous version published in NeurIPS 2023; 37 pages, 5 figures
IMPACT：一个多粒度工业装配中的人类过程动作理解数据集
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Italian Institute of Technology（意大利理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所）
AI总结 IMPACT数据集通过同步五视角RGB-D数据，提供真实工业装配场景下的多粒度人类过程动作理解，包含112次试验，结合部分序优先级图、六类异常分类和NASA-TLX测量，揭示了单任务基准无法捕捉的真实部署条件下的局限性。
Comments 9 pages, 2 figures, benchmark and dataset are available at https://github.com/Kratos-Wen/IMPACT
重新思考视频人-物体交互：基于时间的集合预测用于统一检测与预测
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出DETAnt-HOI基准和HOI-DA框架，通过联合检测与预测提升视频人-物体交互的理解，解决现有方法在时间对齐和预测可靠性上的不足。
Comments 17 pages, 8 figures, code will be publicly available
ProPhy：渐进式物理对齐用于动态世界模拟
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； ETH Zürich（苏黎世联邦理工学院） ； Lenovo Research（联想研究院）
AI总结 ProPhy通过渐进式物理对齐框架，实现物理感知的视频生成，提升动态物理现象的准确性与物理一致性。
在RLVR中深度与广度的协同作用：通过自适应探索解锁LLM推理增益
机构 * Sun Yat-Sen University（中山大学） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院ETH人工智能中心） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出DARS方法，通过自适应探索提升LLM推理能力，发现扩大批量大小能显著提升Pass@1指标，同时结合DARS-Breadth方法实现深度与广度的协同增益。
Comments 20 pages, 17 figures
面向噪声标签的多源领域泛化睡眠分期研究
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Hunan University（湖南大学）
AI总结 本文提出FF-TRUST框架，通过联合时间-频率早期学习正则化提升噪声标签下的睡眠分期鲁棒性，实验显示在多个数据集上取得最佳性能。
Comments The benchmark and code will be made publicly available at https://github.com/KNWang970918/FF-TRUST.git
面向鲁棒优化的自主动态滑翔飞行固定翼无人机
机构 * Autonomous Robots Lab, NTNU, Norway（挪威科技大学自主机器人实验室） ； Autonomous Systems Lab, ETH Zürich, Zürich 8092, Switzerland（苏黎世联邦理工学院自主系统实验室） ； CSIRO Robotics, Data61, QLD 4069, Australia（澳大利亚联邦科学与工业研究组织机器人技术部，Data61）
AI总结 本文提出一种基于优化的自主动态滑翔框架，通过风场显式表示和经典控制方法实现鲁棒路径跟踪，验证了在风场估计误差下的动态滑翔性能。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L). \c{opyright} 2026 IEEE
Switch-JustDance: 使用商业游戏机评估完整身体运动跟踪控制器的基准测试
机构 * Georgia Tech（佐治亚理工学院） ； HKU（香港大学） ； ETH Zurich（苏黎世联邦理工学院） ； SCUT（华南理工大学） ； THU（清华大学） ； MIT（麻省理工学院） ； PNDbotics
AI总结 本文提出Switch-JustDance基准测试平台，利用Nintendo Switch上的Just Dance游戏评估机器人完整身体控制能力，验证其可靠性并对比三种先进控制器的性能。
集成电光注意力非线性性用于变换器
机构 * ETH Zurich（苏黎世联邦理工学院） ； Politecnico di Milano（米兰理工大学）
AI总结 本文提出利用电光非线性特性替代传统Softmax，提升变换器在视觉和语言任务中的效率与精度，同时降低计算延迟。
人形机器人手灵巧性基准测试
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出POMDAR基准，通过结构化操作和抓取任务定义灵巧性，结合任务正确性和执行速度量化评分，实现人形机器人手的客观评估与比较。
MobileMold: 一种基于智能手机的显微图像数据集用于食品霉变检测
机构 * Technical University of Berlin（柏林工业大学） ； University of Regensburg（雷根斯堡大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Tübingen（蒂宾根大学）
AI总结 本文提出MobileMold数据集，包含4941张显微图像，用于食品霉变检测与分类。通过多种深度学习模型和增强策略，达到高准确率，验证了数据集在食品变质检测中的有效性。
Comments Accepted to ACM Multimedia Systems (MMSys'26). Dataset and code available at https://mobilemold.github.io/dataset/
CaRLi-V：摄像头-雷达-激光雷达点云三维速度估计
机构 * ETH Zürich（苏黎世联邦理工学院） ； Robotic Systems Lab (RSL), ETH Zürich（苏黎世联邦理工学院机器人系统实验室）
AI总结 本文提出CaRLi-V方法，结合雷达、激光雷达和摄像头数据，通过雷达速度立方体、光流和激光雷达测距，实现点云三维速度估计，优于现有场景流方法。
结构化与问题化：基于LLM的智能体如何在诊断推理中构建学习
机构 * ETH Zürich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院）
AI总结 本文探讨了基于LLM的智能体如何通过结构化和问题化策略促进诊断推理学习，研究发现两种策略在不同参与度指标上各有优势。
Comments 12 pages, 8 figures. Accepted at LAK 2026
Journal ref In Proceedings of the 16th International Learning Analytics and Knowledge Conference (LAK 2026), April 27-May 1, 2026, Bergen, Norway. ACM, New York, NY, USA
MATCHA：在多加速器异构边缘SoC上高效部署深度神经网络
机构 * University of Catania（卡塔尼亚大学） ； Politecnico di Torino（都灵理工大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Bologna（博洛尼亚大学）
AI总结 MATCHA是一个统一的DNN部署框架，通过约束编程优化内存分配和调度，提升异构加速器的并发性和利用率，在MLPerf Tiny基准测试中提升了35%的加速器利用率和减少了推理延迟。
Comments Accepted at the 63rd ACM/IEEE Design Automation Conference (DAC26)
REACT3D: 交互式物理3D场景中关节的恢复
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； Microsoft Spatial AI Lab（微软空间人工智能实验室）
AI总结 REACT3D通过零样本框架实现静态3D场景到可交互模拟的转换，解决了标注过程繁琐的问题，提升了多任务应用的兼容性与效率。
Comments Accepted at IEEE Robotics and Automation Letters (RA-L)
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 5, pp. 5954-5961, May 2026
多属性可控摘要的自适应规划
机构 * GSAI, POSTECH（浦项科技大学人工智能研究院） ； CSE, POSTECH（浦项科技大学计算机科学与工程学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； LILT（LILT公司）
AI总结 本文提出PACO框架，通过定制化的MCTS实现多属性可控摘要的自适应规划，有效满足相关约束，实验表明其在不同领域和模型上表现优异，甚至超越大模型基线。
Comments ACL 2026
多方向空中机器人分配：考虑功率动态
机构 * Autonomous Systems Lab (ASL), ETH Zurich（苏黎世联邦理工学院自主系统实验室）
AI总结 本文提出三种新型多方向空中机器人分配方法，通过考虑冗余性和动力学，提升动态 maneuver 的执行效率和轨迹跟踪速度。
弥合微观交通模拟与4D数字城市景观之间的差距
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学）
AI总结 本文提出一个实时4D可视化框架，将SUMO交通模拟与高保真VR数字城市景观结合，通过用户研究验证了模拟交通动态与人类感知的高一致性，且空间化音频增强了用户的安全感。
熵-梯度基础：在视觉语言模型中无需训练的证据检索
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； KAIST AI（韩国科学技术院人工智能系）
AI总结 本文提出一种无需训练的视觉语言模型证据检索方法，通过熵梯度映射提升对微小视觉细节和多区域线索的处理能力，实验显示在多个基准上取得显著改进。
Comments Project Page : https://entropy-gradient-grounding.github.io/
基于动态程序性解决方案表示的行为感知项目建模
机构 * GSAI, POSTECH（浦项科技大学人工智能研究生院） ； CSE, POSTECH（浦项科技大学计算机科学与工程系） ； ETH Zurich, ETH AI Center（苏黎世联邦理工学院人工智能中心）
AI总结 本文提出BAIM框架，通过整合动态程序性解决方案信息增强项目表示，利用推理语言模型分解问题解决阶段，提升知识追踪的预测性能。
Comments ACL Findings 2026
Accordion-Thinking：通过动态摘要实现的自我调节步骤摘要以提高LLM推理的效率和可读性
机构 * Sun Yat-Sen University（中山大学） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出Accordion-Thinking框架，通过动态摘要实现LLM推理的自我调节，减少历史token依赖，提升效率和可读性，实验显示其在48GB GPU内存配置下实现三倍吞吐量且保持准确率。
基于 Karma 机制的去中心化协作多智能体路径寻找
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出基于 Karma 机制的去中心化协作 MAPF 框架，通过非交易性信用机制平衡智能体的重规划努力，减少服务时间差异，提升整体效率。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈