Fair Indivisible Payoffs through Shapley Value
通过夏普利值实现公平的不可分割支付
机构 * University of Warsaw（华沙大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出一种公平分配不可分割物品的方法，通过定义不可分割夏普利值，研究其性质，并通过三个案例研究验证其有效性。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Demystifying Chains, Trees, and Graphs of Thoughts
解开思维链、树和图的谜团
机构 * ETH Zurich（苏黎世联邦理工学院） ； Dell（戴尔） ； Cledar ； BASF SE（巴斯夫欧洲公司）
AI总结 本文通过分析提示执行流程，构建了首个结构增强的大语言模型推理方案分类法，揭示了不同结构对推理性能和成本的影响，并探讨了提示工程与语言模型生态系统的理论基础。
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 47, Issue 12, pages 10967-10989 (December 2025)
Vocal Prognostic Digital Biomarkers in Monitoring Chronic Heart Failure: A Longitudinal Observational Study
慢性心力衰竭监测中的声音预测数字生物标志物：一项纵向观察研究
机构 * Centre for Digital Health Interventions, ETH Zurich（苏黎世联邦理工学院数字健康干预中心） ； Agentic System Lab, ETH Zurich（苏黎世联邦理工学院代理系统实验室） ； Cardiology, University Heart Center Zurich, University Hospital Zurich（苏黎世大学医院心脏中心心脏病学） ； Center for Laryngeal Surgery and Voice Rehabilitation, Massachusetts General Hospital（麻省总医院喉外科与嗓音康复中心） ； Department of Surgery, Harvard Medical School（哈佛医学院外科学系） ； Speech and Hearing Bioscience and Technology, Division of Medical Sciences, Harvard Medical School（哈佛医学院医学科学部言语与听觉生物科学与技术） ； MGH Institute of Health Professions（麻省总医院健康职业学院） ； Centre for Digital Health Interventions, University of St. Gallen（圣加仑大学数字健康干预中心）
AI总结 本研究通过分析声音特征，探讨其在预测慢性心力衰竭患者健康恶化的潜力，发现声音特征在预测健康状况方面具有较高准确性。
Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems
分布式预测性控制屏障函数：迈向模块化多智能体系统中的可扩展安全性认证
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） ； University of California Berkeley（加州大学伯克利分校）
AI总结 本文提出分布式预测性控制屏障函数（D-PCBF）作为多智能体系统的安全框架，通过模型预测确保在动态网络拓扑变化下的可恢复安全性，并通过仿真和实验证明其有效性。
Comments This work has been submitted to the IEEE for possible publication
Variational inference via radial transport
通过径向传输进行变分推断
机构 * ETH Zürich（苏黎世联邦理工学院） ； Cambridge（剑桥大学） ； Yale University（耶鲁大学）
AI总结 本文提出radVI算法，通过优化径向轮廓改进变分推断中高斯分布的覆盖能力，提供理论收敛保证。
Optimistic Online LQR via Intrinsic Rewards
乐观在线LQR via 内在奖励
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出IR-LQR算法，通过内在奖励和方差正则化提升不确定性驱动探索，实现最优最坏情况后悔率√T，实验验证其在飞行器pitch角控制中的有效性。
ZeroFlood: Flood Hazard Mapping from Single-Modality SAR Using Geo-Foundation Models
ZeroFlood：基于单一模态SAR数据的洪水危险映射Geo-基础模型
机构 * German Aerospace Center (DLR), Remote Sensing Technology Institute（德国航空航天中心（DLR）遥感技术研究所） ； ETH Zurich, Seminar for Applied Mathematics（苏黎世联邦理工学院应用数学研讨会） ； 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ZeroFlood框架，利用Geo-Foundation Models对单一模态EO数据进行洪水危险映射，实验表明TerraMind模型在F1-score上达到88.36%，优于监督学习基线。
Comments 16th European Conference on Synthetic Aperture Radar
EventChat: Implementation and user-centric evaluation of a large language model-driven conversational recommender system for exploring leisure events in an SME context
EventChat: 一种基于大语言模型的对话推荐系统在中小企业休闲活动探索中的实现与用户导向评估
机构 * Swiss Federal Institute of Technology, Zurich（苏黎世联邦理工学院）
AI总结 本文提出一种基于大语言模型的对话推荐系统，通过客观指标和用户评价评估其在中小企业场景下的性能，揭示了系统在用户体验和商业可行性方面的挑战。
Comments Just accepted version
AdaptToken: Entropy-based Adaptive Token Selection for MLLM Long Video Understanding
AdaptToken: 基于熵的自适应令牌选择用于多模态大语言模型长视频理解
机构 * Microsoft Spatial AI Lab（微软空间人工智能实验室） ； EPFL（瑞士联邦理工学院洛桑） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 AdaptToken通过利用模型自不确定性实现全局控制信号，提升多模态大语言模型对长视频的理解能力，通过熵信号分配令牌预算并支持提前停止，提升准确率并减少推理时间。
Comments Project page: https://haozheqi.github.io/adapt-token
CoPE-VideoLM: Leveraging Codec Primitives For Efficient Video Language Modeling
CoPE-VideoLM：利用编解码器原语实现高效的视频语言建模
机构 * Microsoft Spatial AI Lab（微软空间人工智能实验室） ； Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出CoPE-VideoLM，通过利用视频编解码器原语（如运动矢量和残差）减少计算开销，提升视频语言模型的效率和性能。
Comments Project Page: https://microsoft.github.io/CoPE
MarkushGrapher-2: End-to-end Multimodal Recognition of Chemical Structures
MarkushGrapher-2：端到端多模态识别化学结构
机构 * IBM Research（IBM研究院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出MarkushGrapher-2，通过OCR提取化学图像文本，结合视觉-文本-布局编码器和光学化学结构识别编码器，实现多模态化学结构识别，并通过两阶段训练策略提升性能，同时构建大规模真实世界Markush结构数据集。
Comments 15 pages, to be published in CVPR 2026
FastVMT: Eliminating Redundancy in Video Motion Transfer
FastVMT：消除视频运动迁移中的冗余
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； HKUST（香港科技大学） ； THU（清华大学） ； Meta ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出FastVMT，通过消除DiT架构中的运动和梯度冗余，实现视频运动迁移的加速，提升生成视频的效率而不影响视觉质量和时间一致性。
Comments Accepted by ICLR2026, Project page: fastvmt.gitHub.io, Code: https://github.com/mayuelala/FastVMT
LitePT: Lighter Yet Stronger Point Transformer
LitePT: 更轻更强大的点云变换器
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； University of Zurich（苏黎世大学）
AI总结 本文提出LitePT模型，通过在早期阶段使用卷积层，后期切换至注意力机制，减少参数并提升效率，同时在多个任务和数据集上表现优异。
Comments CVPR 2026, Project page: https://litept.github.io/
Rethinking Easy-to-Hard: Limits of Curriculum Learning in Post-Training for Deductive Reasoning
重新思考易到难：在后训练中课程学习在演绎推理中的局限性
机构 * Max Planck Institute for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所，图宾根） ； ETH Zürich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本研究系统评估了课程学习在LLM后训练中的影响，发现基于难度的训练顺序在准确性及响应长度上无显著优势，挑战了课程学习在演绎推理中的实用性。
DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification
DiffSoup：三角汤的直接可微化着色以实现极端辐射场简化
机构 * The University of Tokyo（东京大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出DiffSoup，一种利用少量三角形和神经纹理的辐射场表示，通过随机遮罩实现直接可微的二进制不透明度，从而在无需平滑着色的情况下实现高效的实时渲染。
Prompting Depth Anything for 4K Resolution Accurate Metric Depth Estimation
通过提示深度任何事实现4K分辨率的准确度量深度估计
机构 * Zhejiang University（浙江大学） ； ByteDance Seed（字节跳动Seed） ； Shanghai Jiao Tong University（上海交通大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出Prompt Depth Anything，利用低成本LiDAR作为提示，通过多尺度融合设计实现4K分辨率的度量深度估计，并在ARKitScenes和ScanNet++数据集上取得新突破。
Comments CVPR 2025; Project page: https://PromptDA.github.io/
Unblur-SLAM: Dense Neural SLAM for Blurry Inputs
Unblur-SLAM：用于模糊输入的密集神经SLAM
机构 * University of Amsterdam（阿姆斯特丹大学） ； Meta Reality Labs（Meta现实实验室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出Unblur-SLAM，一种针对模糊图像输入的RGB SLAM pipeline，能够处理多种模糊类型，在运动模糊和失焦模糊情况下表现出最佳性能，通过调整计算量和多视图优化提升重建效果。
Comments 14 pages, 9 figures (based on the document's total length and the final Figure 9 ). Accepted By CVPR 2026
FEMBA on the Edge: Physiologically-Aware Pre-Training, Quantization, and Deployment of a Bidirectional Mamba EEG Foundation Model on an Ultra-low Power Microcontroller
FEMBA在边缘：一种生理感知的预训练、量化和在超低功耗微控制器上部署双向Mamba EEG基础模型
机构 * Integrated Systems Laboratory, ETH Zürich（苏黎世联邦理工学院集成系统实验室） ； DEI, University of Bologna（博洛尼亚大学电气、电子与信息工程系）
AI总结 本文提出FEMBA，通过生理感知预训练、量化和部署，实现基于Mamba的EEG基础模型在超低功耗微控制器上的高效应用，提升长期神经监测性能。
Comments 10 pages, 9 tables, 1 figure
User Involvement in Robotic Wheelchair Development: A Decade of Limited Progress
机器人轮椅开发中的用户参与：十年有限进展
机构 * Geneva School of Health Science, University of Applied Sciences and Arts Western Switzerland（日内瓦健康科学学院，瑞士西部应用科学与艺术大学） ； Institute of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究所，筑波大学） ； Learning Algorithms and Systems Laboratory, Ecole Polytechnique Fédérale de Lausanne（学习算法与系统实验室，洛桑联邦理工学院） ； Institute of Ethics, History, and Humanities, University of Geneva（伦理、历史与人文学研究所，日内瓦大学） ； Grand Conseil, État de Vaud（沃州大议会） ； id-Geo Sàrl（id-Geo有限责任公司） ； Harvard Law School Project on Disability, Harvard University（哈佛法学院残疾项目，哈佛大学） ； Swiss Graduate School of Public Administration, University of Lausanne（瑞士公共管理研究生院，洛桑大学） ； SCAI-Lab, Department of Health Sciences and Technology (D-HEST), ETH Zurich（SCAI实验室，健康科学与技术系，苏黎世联邦理工学院） ； Swiss Paraplegic Research (SPF)（瑞士截瘫研究）
AI总结 本文回顾了过去十年中机器人轮椅设计开发中用户参与的现状，发现用户参与有限，多集中在后期评估而非早期需求定义和迭代共设计，且研究多依赖小样本和非标准化方法。
OVI-MAP:Open-Vocabulary Instance-Semantic Mapping
OVI-MAP：开放词汇实例语义映射
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； University of Zurich（苏黎世大学） ； TU Munich（慕尼黑工业大学） ； Microsoft（微软）
AI总结 本文提出OVI-MAP，通过解耦实例重建与语义推断，实现增量开放词汇3D实例语义映射，提升实时处理与零样本语义标注能力。
PAWS: Perception of Articulation in the Wild at Scale from Egocentric Videos
PAWS：从全景视频中大规模感知动作
机构 * Aalto University（阿尔托大学） ； INSAIT, Sofia University（索菲亚大学INSAIT研究所） ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Oulu（奥卢大学）
AI总结 PAWS通过直接提取手-物体互动中的动作结构，提升机器人、仿真和动画中的3D场景理解能力，实现大规模野外视频中的动作感知突破。
Comments 32 pages, 13 figures. Project page: https://aaltoml.github.io/PAWS/
UMBRELLA: Uncertainty-aware Multi-robot Reactive Coordination under Dynamic Temporal Logic Tasks
UMBRELLA：基于动态时间逻辑任务的不确定性感知多机器人反应协调
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
AI总结 本文提出UMBRELLA框架，结合MCTS与不确定性感知路径规划，通过置信度预测降低任务完成时间和方差，适用于动态移动目标的多机器人协作任务。
Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments
无需训练的未见手术工具检测与6D位姿估计
机构 * University Hospital Balgrist, University of Zurich（巴尔格里斯特大学医院，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出无需训练的多视角6D位姿估计方法，利用纹理CAD模型作为先验知识，通过多视角几何一致性过滤和轮廓注册实现高精度检测与位姿估计，适用于未见手术工具的场景。
Comments Accepted at IJCARS: IPCAI 2026
An MPC framework for efficient navigation of mobile robots in cluttered environments
一种用于在障碍环境中高效导航移动机器人的MPC框架
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） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） ； ETH Zurich（苏黎世联邦理工学院） ； Automatic Control Laboratory, ETH Zurich（苏黎世联邦理工学院自动控制实验室）
AI总结 本文提出一种整合有限段最短路径规划器的MPC框架，用于在障碍环境中实现移动机器人高效导航，确保动态目标选择和碰撞避免。
Comments - Code available at: https://github.com/IntelligentControlSystems/ClutteredEnvironment - Supplementary video: https://youtu.be/Hn_hpAmGgq0
HyperGaussians: High-Dimensional Gaussian Splatting for High-Fidelity Animatable Face Avatars
HyperGaussians: 高维高斯点云用于高质量可动画人脸仿生体
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出HyperGaussians，一种高维多变量高斯点云的扩展，用于生成高质量可动画人脸仿生体。通过引入可学习的局部嵌入条件，提升表达能力，解决传统3DGS在非线性变形和细节表现上的不足。
Comments CVPR 2026, Project page: https://gserifi.github.io/HyperGaussians, Code: https://github.com/gserifi/HyperGaussians
FOCUS: Optimal Control for Multi-Entity World Modeling in Text-to-Image Generation
FOCUS：多实体世界建模中的最优控制
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出FOCUS框架，通过将流匹配转化为随机最优控制，解决文本生成图像中多实体场景的属性泄露和身份纠缠问题，提出两种算法提升多实体对齐性能。
Comments Project Page: https://ericbill21.github.io/FOCUS/
Mixed-signal implementation of feedback-control optimizer for single-layer Spiking Neural Networks
混合信号实现用于单层脉冲神经网络的反馈控制优化器
机构 * Institute of Neuroinformatics, University of Zürich and ETH Zürich（神经信息学研究所，苏黎世大学和苏黎世联邦理工学院） ； ETH Zürich, Zürich, Switzerland（苏黎世联邦理工学院，苏黎世，瑞士） ； AI Center, ETH, Zürich, Switzerland（人工智能中心，苏黎世联邦理工学院，苏黎世，瑞士） ； Digital Society Initiative, University of Zurich, Switzerland（数字社会倡议，苏黎世大学，瑞士）
AI总结 本文提出在混合信号神经形态处理器上实现反馈控制优化器的可行性，通过在环训练验证了其在二分类任务和非线性 Yin-Yang 问题中的性能，展示了芯片级训练与数值模拟和梯度基方法的匹配性。
Manifold Generalization Provably Proceeds Memorization in Diffusion Models
扩散模型中流形泛化可证明地优于记忆化
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文研究扩散模型在流形假设下如何通过粗略分数捕捉数据几何结构，从而在非光滑数据中实现比估计完整分布更快的泛化速度。
Comments The first two authors contributed equally
An In-Depth Study of Filter-Agnostic Vector Search on a PostgreSQL Database System: [Experiments and Analysis]
对PostgreSQL数据库系统中滤波无关向量搜索的深入研究：[实验与分析]
机构 * Brown University Providence Rhode Island USA ； Google Sunnyvale California USA ； Google San Diego California USA ； ETH Zurich \& Google Zurich Switzerland ； Google Bangalore India ； Brown University ； Google ； ETH Zurich \& Google
AI总结 本文研究滤波无关向量搜索在生产级PostgreSQL系统中的性能，发现距离计算成本并非唯一决定因素，系统级开销和过滤操作影响更大，指出图算法在实际中表现不如聚类索引。
Comments 26 pages, 13 figures, to be published at SIGMOD 2026
Symmetry-Guided Memory Augmentation for Efficient Locomotion Learning
基于对称性的记忆增强方法用于高效运动学习
机构 * Department of Mechanical and Process Engineering, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械与过程工程系） ； ETH AI Center, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院人工智能中心） ； Department of Computer Science, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机科学系）
AI总结 本文提出SGMA框架，通过结合结构化经验增强与基于记忆的上下文推断，提升强化学习政策训练效率。利用机器人与任务对称性生成物理一致的训练经验，避免 naive 增强的弊端，使代理能保留任务相关上下文并适应行为。在仿真和真实四足机器人上验证了方法的有效性。
