ETH Zurich（苏黎世联邦理工学院）

ORGAN: Object-Centric Representation Learning using Cycle Consistent Generative Adversarial Networks

ORGAN：基于循环一致生成对抗网络的对象中心表示学习

Joël Küchler, Ellen van Maren, Vaiva Vasiliauskaitė, Katarina Vulić, Reza Abbasi-Asl, Stephan J. Ihle

机构 * Laboratory of Biosensors and Bioelectronics, Institute for Biomedical Engineering, University and ETH Zurich（生物传感器与生物电子实验室，生物医学工程研究所，大学和ETH苏黎世分校） ； Department of Neurology, Insel Gruppe, Bern, Switzerland（神经病学系，因塞格鲁普，瑞士伯恩） ； University of California, San Francisco, USA（加州大学旧金山分校，美国） ； Department of Neurobiology, University of Chicago, 951 E 58th St, Chicago, 60637, IL, USA（神经生物学系，芝加哥大学，951 E 58th St, 奇克阿哥，60637, IL, 美国） ； Department of Physics, University of Chicago, 929 E 57th St, Chicago, 60637, IL, USA（物理学系，芝加哥大学，929 E 57th St, 奇克阿哥，60637, IL, 美国） 纠错

AI总结 ORGAN通过循环一致生成对抗网络实现对象中心表示学习，在合成数据集上表现优异，并能处理现实世界中具有众多对象和低对比度的数据。

Comments GitHub: https://github.com/Hullimulli/ORGAN

Journal ref Artificial Intelligence Applications and Innovations (AIAI 2026), IFIP Advances in Information and Communication Technology, vol. 792, pp. 94-111, Springer (2027)

Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning

基于深度学习的腹部CT图像中肠梗阻的检测与定位

Moritz Vandenhirtz, Andrea Agostini, Dana Belde, Mélanie Roschewitz, Ismaiel Chikh Bakri, Tilo Niemann, André Euler, Julia E Vogt

机构 * Department of Computer Science ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Radiology Kantonsspital Baden affiliated Hospital for Research and Teaching of the Faculty of Medicine of the University of Zurich（苏黎世大学医学院附属巴登州立医院放射科（巴登大学苏黎世医学院研究与教学附属医院）） ； Department of Forensic Medicine Zurich University of Zurich（苏黎世大学法医学系） 纠错

AI总结 研究针对肠梗阻这一胃肠道疾病，提出含多任务目标的深度学习框架联合检测与定位梗阻及过渡区，还用可解释分类方法扩展，在腹部CT数据集上评估，模型检测准确率93%，过渡区定位Hit@10为95%，迈向关键临床标志自动识别。

Minimum Norm Interpolation via the Local Theory of Banach Spaces: The Role of $2$-Uniform Convexity

通过巴拿赫空间的局部理论实现最小范数插值：2-均匀凸性的作用

Gil Kur, Pierre Bizeul

机构 * Institute for Machine Learning, ETH Zürich（苏黎世联邦理工学院机器学习研究所） ； Department of Mathematics, Weizmann Institute of Science（魏茨曼科学研究所数学系） 纠错

AI总结 本文研究了在2-均匀凸性假设下最小范数插值器的性质，证明了其在线性和非线性模型中的偏差上界，并在特定条件下建立了非高斯协变量的泛化界。

Comments Submitted (minor corrections and improved readability from the previous version). A preliminary work titled "Minimum Norm Interpolation Meets the Local Theory of Banach Spaces'' appeared at the 2024 International Conference on Machine Learning (consider this information for citations)

When Ethics and Payoffs Diverge: LLM Agents in Morally Charged Social Dilemmas

当伦理与收益相悖时：道德两难情境下的大语言模型智能体

Steffen Backmann, David Guzman Piedrahita, Terry Jingchen Zhang, Emanuel Tewolde, Rada Mihalcea, Bernhard Schölkopf, Zhijing Jin

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 研究道德要求与利润激励冲突时LLMs在道德两难博弈中的行为，引入\msim评估九个模型，通过ATEs估计因果效应、分析推理轨迹，发现模型道德行为有情境脆弱性，揭示了部署风险。

Surprisal Theory is Tautological (without Rational Grounding)

惊奇理论是同义反复的（缺乏理性基础）

Ryan Cotterell

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究惊奇理论，指出其在无额外约束时是同义反复，任何难度模式都与某语言模型一致，无法证伪。长期被隐含假设掩盖，近期实证削弱该假设。结论是打破同义反复需理性主义干预，相关语言模型应源自非经验驱动模型。

Comments Under "Review" at ARR

ConfidenceBench: Evaluating Confidence Calibration in Large Language Models

ConfidenceBench：评估大语言模型中的置信度校准

Matthew ffrench-Constant, Daniel Yang, Xinmeng Huang, Sanyam Kapoor

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； New York University（纽约大学） 纠错

AI总结 研究针对大语言模型在特定场景下仅靠准确性不足的问题，提出ConfidenceBench校准基准，用Brier分数评估15个前沿LLMs口头置信度，经实验发现模型准确性与校准差异大，证明口头置信度校准是LLM可靠性重要维度，补充了基于准确性的评估。

Marking the Wrong Symptoms: Evaluating LLM Watermarks in Medical Texts

标记错误症状：评估医学文本中的大语言模型水印

Melanie Rieff, Robin Staab, Thibaud Gloaguen, Stefan Hegselmann, Martin Vechev

机构 * ETH Zurich（苏黎世联邦理工学院） ； Berlin Institute of Health at Charité – Universitätsmedizin Berlin（柏林夏里特医学院柏林健康研究所） ； Deutsches Herzzentrum der Charité – Medical Heart Center of Charité and German Heart Institute Berlin（柏林夏里特医学院德国心脏中心与柏林德国心脏研究所） 纠错

AI总结 研究LLM水印对医学性能的影响，在11个LLM和7个VLM上对5种水印方案进行多任务基准测试，引入人类专家验证管道补充评估，发现水印会致多种退化，特定领域评估是医学中水印模型安全部署的前提。

Making Open-Source Text LLM Watermarks Durable Against Merging

使开源文本语言模型水印在合并后仍具耐久性

Luisa Scharff, Thibaud Gloaguen, Robin Staab, Martin Vechev

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究如何让开源文本语言模型水印在模型合并后仍具耐久性，提出合并对抗训练算法，该算法能将水印融入模型权重，在保留下游能力的同时优于所有基线，还评估了针对现实合并场景的水印，表明对抗训练可提高水印耐久性。

What Matters for Simulation to Online Reinforcement Learning on Real Robots

在真实机器人上在线强化学习中什么至关重要

Yarden As, Dhruva Tirumala, René Zurbrügg, Chenhao Li, Stelian Coros, Andreas Krause, Markus Wulfmeier

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本研究探讨了在真实机器人上实现稳定在线强化学习的关键设计选择，发现某些默认设置可能有害，而稳健的设计选择能提高学习稳定性。

Multimodal Learning for Arcing Detection in Pantograph-Catenary Systems

接触网-受电弓系统中弧光检测的多模态学习

Hao Dong, Eleni Chatzi, Olga Fink

机构 * Chair of Structural Mechanics & Monitoring, ETH Zürich（苏黎世联邦理工学院结构力学与监测教授职位） ； Intelligent Maintenance and Operations Systems Lab, EPFL（洛桑联邦理工学院智能维护与运营系统实验室） 纠错

AI总结 本文提出多模态学习框架，结合图像与力数据，有效检测接触网-受电弓系统中的弧光事件，提升检测鲁棒性和准确性。

Building Fast, Evaluating Slow: Pipeline Choices Dominate Autointerpretability Score Variance

构建快速，评估缓慢：管道选择主导自动可解释性得分方差

Sinie van der Ben, Neele Roch, Anna Hedström, Mennatallah El-Assady

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究稀疏自动编码器可解释性得分的跨论文比较，通过多指标、多模型及方法变化轴的实验发现方法方差主导得分方差，排名不稳定，基于得分的比较可能反映管道差异，贡献评估方法以推动可解释性研究。

It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief

重要的不是你说了什么，而是你怎么说：评估大语言模型对信念表达的回应

Kevin Du, Clara Kümpel, Michelle Wastl, Alex Warstadt

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； UC San Diego（加州大学圣地亚哥分校） 纠错

AI总结 研究用户信念表达形式对大语言模型的影响，引入基于语言维度的类型学，生成可控查询对，评估不同架构、规模和训练阶段的16个LLMs，发现响应行为差异及能显著说服模型的特定信念表达，揭示语言框架对模型情境整合的影响。

Comments Published at ACL 2026

SkyEV: RGB-Event UAV detection and tracking dataset and baseline

SkyEV：RGB-事件无人机检测与跟踪数据集及基线

Jakub Mandula, Sebastian Heusinger, Julian Moosmann, Christian Vogt, Michele Magno

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 针对无人机检测数据集存在的问题，引入开源数据集SkyEV，其含高度同步的未压缩RGB和基于事件的数据，能捕捉复杂现实条件。提供统一数据加载器，用多模态架构建立实验基线，证明该数据集对检测小尺度目标有效。

Planning as Emergent Behavior in Reinforcement Learning with Relational Hidden States

关系隐藏状态强化学习中作为涌现行为的规划

Armin Sommer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究无模型强化学习中规划作为涌现行为的现象，发现神经架构的隐藏状态结构是决定因素，关系隐藏状态网络能获规划机制，恢复环境转移结构并改进策略，解释了涌现规划现象并引发相关问题。

Enabling Multilingual Privacy Policy Audits: Large-Scale Analysis of Spanish Mobile Apps

实现多语言隐私政策审计：对西班牙移动应用的大规模分析

Marcos Moran, David Rodriguez, Luka Nenadic, Norman Sadeh, Jose M. Del Alamo

机构 * ETH Zurich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 研究多语言环境下隐私政策审计，利用大语言模型构建跨语言分类器，通过对西班牙谷歌应用商店应用的大规模审计，发现公共部门与商业应用语言使用差异及声明与实际做法的差异，揭示仅英语审计掩盖透明度差距的问题。

Fly, Track, Land: Infrastructure-less Magnetic Localization for Heterogeneous UAV-UGV Teaming

飞行、跟踪、着陆：一种无基础设施的磁感应定位用于异构无人机-地面车辆协同

Valerio Brunacci, Davide Plozza, Alessio De Angelis, Michele Magno, Tommaso Polonelli

机构 * Department of Engineering, University of Perugia（工程系，佩鲁吉亚大学） ； Multi-Robot Systems Group, Faculty of Electrical Engineering, Czech Technical University in Prague（多机器人系统组，电气工程系，布拉格捷克技术大学） ； D-ITET Department, ETH Zürich（D-ITET部门，苏黎世联邦理工学院） 纠错

AI总结 该研究提出一种无基础设施的磁感应定位系统，使无人机在移动地面车辆上实现厘米级精度的自主悬停、跟踪和着陆。

Comments Revised version submitted to Robotics and Autonomous Systems (Elsevier). Supplementary video available

Fluid Reasoning Representations

推理模型中的流体表示

Dmitrii Kharlapenko, Terry Jingchen Zhang, Arth Singh, Alessandro Stolfo, Arthur Conmy, Mrinmaya Sachan, Zhijing Jin

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） 纠错

AI总结 研究揭示了推理模型通过上下文细化令牌表示提升抽象问题解决能力的机制，提出流体推理表示概念。

Comments EMNLP 2026

How Benchmark Prediction from Fewer Data Misses the Mark

从较少数据进行基准预测如何失准

Guanhua Zhang, Florian E. Dorner, Moritz Hardt

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究大语言模型基准预测方法，通过对11种方法在19个基准上评估，发现现有方法依赖模型相似性，新模型出现时效果不佳。提出受增强逆倾向加权启发的新方法，虽能改进但提升有限，揭示基准预测在评估前沿失效的问题。

ReViV: Reconstructing the Viewer and the View in 4D from Monocular Egocentric Video

ReViV：从单目自我中心视频中重建4D中的观看者和视图

Xiaozhong Lyu, Gen Li, Zhiyin Qian, Xucong Zhang, Marc Pollefeys, Siyu Tang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Delft University of Technology（代尔夫特理工大学） ； Microsoft（微软） 纠错

AI总结 研究旨在从单目自我中心视频重建4D中的观看者和视图，提出ReViV框架，将任务建模为学习多模态信号联合概率分布，由掩码生成自我中心变压器驱动，在多基准测试中展现出高精度和效率，还保持了竞争力强的自我中心深度估计，且代码模型开源。

Comments Accepted to ECCV 2026. The first two authors contributed equally, and their author order is interchangeable

Quantizing Recursive Reasoning Models

量化递归推理模型

Thorir Mar Ingolfsson, Wajeeha Tahir, Anna Tegon, Lionnus Kesting, Gamze İslamoğlu, Luca Benini

机构 * Integrated Systems Laboratory, ETH Zürich（集成系统实验室，瑞士苏黎世联邦理工学院） 纠错

AI总结 研究递归推理模型量化问题，发现其因激活缩放粒度致精度崩溃，提出用逐块缩放恢复转换，应用MXInt4格式，该格式在任务中与浮点格式有竞争力，克服架构量化敏感性弱点，还能转移到ARC - AGI基准测试。

Comments Preprint, 27 pages, 4 tables, 12 figures

International Agreements to Limit Frontier AI: Objectives and Exit

限制前沿人工智能的国际协议：目标与退出

Lennart Finke

机构 * ETH Zürich, Zurich, Switzerland（苏黎世联邦理工学院） ； Harvard University, Cambridge, United States（哈佛大学） ； MATS Research, Berkeley, United States（MATS研究） 纠错

AI总结 研究限制人工智能发展的国际协议，通过调查现有协议，明确适当条件属性并列出可能条件，建议设定固定时间段，由新组织规定发展条件，特殊情况可退出，以此说明相关协议的考虑因素。

NaP-Control: Navigating Diffusion Prior for Versatile and Fast Character Control

NaP-Control: 为多功能和快速字符控制导航扩散先验

Chia-Wen Chen, Yan Wu, Korrawe Karunratanakul, Siyu Tang

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出NaP-Control方法，通过强化学习操控任务无关的扩散策略先验的潜在噪声，实现快速、鲁棒且高保真的字符控制，同时通过环境交互优化任务奖励，提升成功率并适应挑战性场景。

Comments ECCV 2026. Project page: https://chiawenchen.github.io/nap-control-project/

A Sensorless, Inherently Compliant Anthropomorphic Musculoskeletal Hand Driven by Electrohydraulic Actuators

无传感器、本征柔顺的人形肌理手驱动电液执行器

Misato Sonoda, Ronan Hinchet, Amirhossein Kazemipour, Yasunori Toshimitsu, Robert K. Katzschmann

机构 * Soft Robotics Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院软机器人实验室，瑞士） ； The University of Tokyo, Japan（东京大学，日本） 纠错

AI总结 本文提出一种无传感器、本征柔顺的人形肌理手，利用电液执行器实现高运动灵活性与物理柔顺性，通过机械放大机构提升抓取能力，实验验证了其在复杂环境中的安全性和抓取性能。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026

TinyGLASS: Real-Time Self-Supervised In-Sensor Anomaly Detection

TinyGLASS: 工业质量控制中的实时自监督传感器异常检测

Pietro Bonazzi, Rafael Sutter, Luigi Capogrosso, Mischa Buob, Michele Magno

机构 * ETH Zurich（苏黎世联邦理工学院） ； Interdisciplinary Transformation University of Austria（奥地利跨学科转型大学） ； Swiss Engineering Partners AG（瑞士工程伙伴公司） 纠错

AI总结 TinyGLASS通过轻量级改进实现实时边缘和传感器异常检测，压缩参数8.6倍，达到94.2%的AUROC并在8MB内存下以20FPS运行。

Comments Accepted at the 8th International Conference on Artificial Intelligence Circuits and Systems (AICAS) 2026

Particle Image Velocimetry Refinement via Consensus ADMM for Active Fluid Control

基于共识交替方向乘子法的粒子图像测速细化用于主动流体控制

Alan Bonomi, Francesco Banelli, Antonio Terpin

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究针对传统粒子图像测速法及机器学习方法在流量量化中的不足，提出将其作为多估计器融合问题，采用基于交替方向乘子法的共识框架，经实验验证该方法能提升性能，并成功应用于实际主动流体控制中。

Comments Accepted for presentation at, and publication in the proceedings of, the 2026 65th IEEE Conference on Decision and Control (CDC). Code available at https://github.com/antonioterpin/flowgym

Four decades of circumpolar super-resolved satellite land surface temperature data

极地超分辨率卫星地表温度数据四十年研究

Sonia Dupuis, Nando Metzger, Konrad Schindler, Frank Göttsche, Stefan Wunderle

机构 * Oeschger Centre for Climate Change Research, University of Bern（气候变化研究中心，伯尔尼大学） ； Institute of Geography, University of Bern（地理研究所，伯尔尼大学） ； Institute of Geodesy and Photogrammetry, ETH Zurich（测绘与摄影测量研究所，苏黎世联邦理工学院） ； Institute of Meteorology and Climatology Research, Karlsruhe Institute of Technology（气象与气候研究研究所，卡尔斯鲁厄技术大学） 纠错

AI总结 本文提出了一种基于深度各向异性扩散模型的超分辨率算法，将AVHRR数据下采样至1公里，生成42年极地LST数据集，用于改善冻土建模和气候监测。

Benchmarking for Practice: Few-Shot Time-Series Crop-Type Classification on the EuroCropsML Dataset

实践中的基准测试：在EuroCropsML数据集上进行少样本时间序列作物类型分类

Joana Reuss, Jan Macdonald, Simon Becker, Ekaterina Gikalo, Konrad Schultka, Lorenz Richter, Marco Körner

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM School of Engineering and Design（慕尼黑技术大学工程与设计学院） ； Department of Aerospace and Geodesy（航空航天与大地测量系） ； Chair of Remote Sensing Technology（遥感技术教授团） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； ELLIS Unit Jena（耶纳ELLIS单元） ； University of Jena（耶纳大学） ； ETH Zurich（苏黎世联邦理工学院） ； Department of Mathematics（数学系） ； Zuse Institute Berlin（柏林Zuse研究所） 纠错

AI总结 本文提出在EuroCropsML数据集上进行少样本时间序列作物类型分类的基准测试，比较了监督学习、SSL和元学习方法的性能，发现元学习在准确性上略优，但计算成本较高，而SSL在数据稀缺时表现更佳。

Comments 31 pages, 10 figures, 20 tables

Journal ref ISPRS Open Journal of Photogrammetry and Remote Sensing, Vol. 19, 100117 (2026)

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。

A Methodology for Auditable Trustworthiness Levels in AI Lifecycle Governance

人工智能生命周期治理中可审计可信度水平的一种方法

Andrea Ferrario

机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（生物医学伦理与医学史研究所，苏黎世大学） ； SUPSI, Dalle Molle Institute for Artificial Intelligence (IDSIA)（SUPSI人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究人工智能治理中系统可信度判断问题，提出轻量级方法，含形式框架与治理程序两部分，用决策树建模，能产生可信度平台等，通过合成轨迹说明方法可支持合规文档编制和生命周期监测。

Comments 32 pages; 7 figures

EgoExoMoCap: Distributed Ego-Exo Human Motion Capture

EgoExoMoCap：分布式自我-外部人体运动捕捉

Jiaxi Jiang, Bharat Lal Bhatnagar, Nan Yang, Lingni Ma, Sebastian Starke, Robin Kips, Nadine Bertsch, Christian Holz, Federica Bogo

机构 * Meta Reality Labs（元现实实验室） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 针对头戴式设备人体运动捕捉，提出EgoExoMoCap分布式框架，联合自我与外部中心多模态信号，利用头部等跟踪信号及DINOv3特征，能在复杂场景中稳健重建运动，突破了两种范式孤立的局限。

Comments Accepted by ECCV 2026, Project page and code: https://siplab.org/projects/EgoExoMoCap