Watermarking Diffusion Language Models
扩散语言模型水印
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出首个针对扩散语言模型的水印技术，通过在期望上下文中应用水印并促进增强水印强度的token，实现高真阳性率和低质量影响的可靠水印。
高校专区
ETH Zurich（苏黎世联邦理工学院）
LLM Fingerprinting via Semantically Conditioned Watermarks
通过语义条件水印进行大语言模型指纹识别
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究提出一种基于语义条件水印的大语言模型指纹识别方法，通过在特定语义领域内扩散统计水印信号，实现隐蔽且鲁棒的指纹检测与所有权验证。
Efficient Tail-Aware Generative Optimization via Flow Model Fine-Tuning
通过流模型微调实现高效的尾部感知生成优化
机构 * KTH Royal Institute of Technology（皇家理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Duke University（杜克大学）
AI总结 本文提出TFFT算法，通过CVaR的变分对偶公式实现高效的尾部行为塑造，适用于生成模型的分布性微调。
Comments 33 pages
Robust Reinforcement Learning-Based Locomotion for Resource-Constrained Quadrupeds with Exteroceptive Sensing
具备外周感知的资源受限四足机器人的鲁棒强化学习运动控制
机构 * Center for Project-Based Learning, ETH Zurich（基于项目学习中心，苏黎世联邦理工学院）
AI总结 本文提出了一种基于强化学习的鲁棒运动控制器，通过实时海拔映射和深度传感器选择，实现资源受限四足机器人在复杂地形中的稳定运动控制。
Comments This paper has been accepted for publication at the IEEE International Conference on Robotics and Automation (ICRA), Atlanta 2025. The code is available at github.com/ETH-PBL/elmap-rl-controller
Verifier-Constrained Flow Expansion for Discovery Beyond the Data
验证器约束的流扩展用于超越数据的发现
机构 * ETH Zürich（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）
AI总结 本文提出Flow Expander方法，通过验证器约束的熵最大化扩展预训练流模型，以生成超出数据分布的有效设计样本。
Comments ICLR 2026
COGITAO: A Visual Reasoning Framework To Study Compositionality & Generalization
COGITAO：一个用于研究组合性与泛化能力的视觉推理框架
机构 * Institute of Neuroinformatics, University of Zurich（神经信息研究所，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Centre for Artificial Intelligence, Zurich University of Applied Sciences（人工智能中心，应用科学大学）
AI总结 COGITAO提出了一种模块化数据生成框架，用于研究视觉领域中的组合性与泛化能力，通过规则任务和灵活的参数控制生成大量任务规则，验证了现有视觉模型在泛化能力上的不足。
Comments 10 main pages, 3 figure, appendix available
RaCo: Ranking and Covariance for Practical Learned Keypoints
RaCo：用于实用学习关键点的排名与协方差
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Microsoft Mixed Reality & AI Lab（微软混合现实与人工智能实验室）
AI总结 RaCo通过轻量级神经网络实现鲁棒关键点学习，无需额外标签，提升3D视觉任务中的关键点可重复性和两视角匹配性能。
Enhancing Diffusion-Based Sampling with Molecular Collective Variables
通过分子集体变量增强扩散采样
机构 * FAIR at Meta（Meta的FAIR） ； MIT（麻省理工学院） ； University of Geneva（日内瓦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 通过引入集体变量的偏置，提升扩散采样在分子采样中的效率和模式发现能力，首次实现反应采样的高精度模拟。
cadrille: Multi-modal CAD Reconstruction with Reinforcement Learning
cadrille: 多模态CAD重建与强化学习
机构 * Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） ； AXXX ； ETH Zurich（苏黎世联邦理工学院） ； Innopolis University（因诺波利斯大学） ； Institute of Mechanics, Armenia（亚美尼亚力学研究所）
AI总结 cadrille通过强化学习实现多模态CAD重建，首次在CAD任务中应用RL微调，提升重建性能并设定新基准。
Comments ICLR 2026 (Oral)
Policy Gradients for Cumulative Prospect Theory in Reinforcement Learning
基于累积前景理论的强化学习策略梯度
机构 * department of computer science at ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Singapore University of Technology and Design（新加坡科技与设计大学）
AI总结 本文提出了一种基于累积前景理论的强化学习策略梯度算法，通过蒙特卡洛梯度估计器实现，并证明了算法在CPT目标上的渐近收敛性。
Efficient Personalization of Generative Models via Optimal Experimental Design
通过最优实验设计实现生成模型的高效个性化
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工人工智能中心） ； Broad Institute, Boston, USA（Broad研究所）
AI总结 本文通过最优实验设计方法，高效地利用人类反馈优化生成模型的个性化，减少偏好查询的数量。
Depth Completion as Parameter-Efficient Test-Time Adaptation
深度补全作为参数高效的测试时适应
机构 * NVIDIA ； ETH Zürich（苏黎世联邦理工学院）
AI总结 CAPA通过参数高效微调方法，在测试时适应预训练的3D基础模型以实现深度补全，提升鲁棒性和多帧一致性。
Reinforcement Learning via Self-Distillation
通过自我蒸馏进行强化学习
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； MIT（麻省理工学院） ； Stanford（斯坦福大学）
AI总结 通过自我蒸馏策略优化（SDPO）提升强化学习在可验证环境中的样本效率和准确性，利用自身反馈改进策略。
AnyUp: Universal Feature Upsampling
AnyUp: 通用特征上采样
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； TU Munich（慕尼黑技术大学）
AI总结 AnyUp是一种通用特征上采样方法，无需特定编码器训练，能泛化到不同特征类型，提升上采样质量并高效应用于多种下游任务。
Comments Accepted to ICLR 2026 (Oral). Project Website: https://wimmerth.github.io/anyup/
Scaling Behavior of Discrete Diffusion Language Models
离散扩散语言模型的扩展行为
机构 * ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所）
AI总结 本研究探讨了离散扩散语言模型在不同噪声类型下的扩展行为，发现其扩展特性与自回归语言模型有显著差异，并展示了在数据受限环境下均匀扩散的潜力。
AquaROM: shape optimization pipeline for soft swimmers using parametric reduced order models
AquaROM：基于参数降阶模型的软游泳体形状优化流程
机构 * Soft Robotics Laboratory (SRL), ETH Zurich, Switzerland（软机器人实验室（SRL），苏黎世联邦理工学院，瑞士） ； Chair in Nonlinear Dynamics, ETH Zurich, Switzerland（非线性动力学教授职位，苏黎世联邦理工学院，瑞士）
AI总结 AquaROM通过参数降阶模型高效优化软游泳体形状，提升非线性系统设计效率。
Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
通过人类-人类协作的视角：一个可配置的研究平台，用于探索人类-智能体协作
机构 * Northeastern University（东北大学） ； Rice University（里士满大学） ； University of Notre Dame（诺特难大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。
Comments Accepted at CHI 2026
RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding
RAVENEA：多模态检索增强视觉文化理解的基准
机构 * University of Copenhagen（哥本哈根大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Cambridge（剑桥大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理大学）
AI总结 RAVENEA通过多模态检索增强方法提升视觉文化理解，验证了文化注释对多模态检索和下游任务的增强效果，并揭示了不同国家间性能差异。
Comments ICLR 2026; Project page: https://jiaangli.github.io/ravenea/
A feedback control optimizer for online and hardware-aware training of Spiking Neural Networks
用于在线和硬件感知训练的脉冲神经网络反馈控制优化器
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） ； Digital Society Initiative, University of Zurich, Switzerland（数字社会倡议，苏黎世大学，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）
AI总结 本文提出了一种用于混合信号设备的脉冲神经网络反馈控制优化器，通过结合脉冲权重更新与反馈控制信号，实现可扩展的芯片级学习，提升边缘智能系统的可持续性。
A Pragmatist Robot: Learning to Plan Tasks by Experiencing the Real World
务实型机器人：通过体验现实世界学习任务规划
机构 * Robotic Systems Lab, ETH Zürich（瑞士联邦理工学院机器人系统实验室） ； ETH AI Center, ETH Zürich（瑞士联邦理工学院人工智能中心） ； Huawei Noah’s Ark Lab, London, UK（华为诺亚实验室，伦敦，英国） ； UCL Centre for AI, London, UK（伦敦大学学院人工智能中心）
AI总结 PragmaBot 通过现实世界经验学习任务规划，利用 STM 自我反思和 RAG 提高任务成功率
Comments Accepted to RA-L
Dual-Phase Cross-Modal Contrastive Learning for CMR-Guided ECG Representations for Cardiovascular Disease Assessment
双相跨模态对比学习用于CMR引导的ECG表示以评估心血管疾病
机构 * Amsterdam University Medical Center（阿姆斯特丹大学医学中心） ； University of Amsterdam（阿姆斯特丹大学） ； ETH Zurich（苏黎世联邦理工学院） ； Department of Radiology and Nuclear Medicine, Amsterdam University Medical Center（放射医学与核医学系，阿姆斯特丹大学医学中心） ； Department of Radiology, Mayo Clinic, Rochester（放射医学系，梅奥诊所，罗切斯特）
AI总结 本文提出双相跨模态对比学习方法，通过结合ECG和CMR数据提升心血管疾病评估的ECG表示能力。
Comments Paper accepted at SPIE Medical Imaging 2026 Conference
Gauss-Newton Natural Gradient Descent for Shape Learning
高斯-牛顿自然梯度下降用于形状学习
机构 * Seminar for Applied Mathematics (SAM), D-Math, ETH Zürich（应用数学研讨会（SAM）、D-Math、苏黎世联邦理工学院） ； Institute for Machine Learning, JKU Linz（机器学习研究所、杰克逊维尔大学） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心）
AI总结 高斯-牛顿自然梯度下降方法通过优化隐式神经表面和几何引导神经网络，提升形状学习的训练速度和解的准确性。
Comments 16 Pages, 9 Figures, submitted to Computer-Aided Design
PeakWeather: MeteoSwiss Weather Station Measurements for Spatiotemporal Deep Learning
PeakWeather: 气象瑞士天气站测量数据用于时空深度学习
机构 * Università della Svizzera italiana（瑞士大学） ； IDSIA（智能系统研究所） ； Federal Office of Meteorology and Climatology MeteoSwiss（联邦气象与气候办公室MeteoSwiss） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Politecnico di Milano（米兰理工学院）
AI总结 PeakWeather提供了一个高质量的天气观测数据集，用于时空深度学习任务，包含瑞士多个站点的气象数据及地形指数，支持多种预测和分析应用。
Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis
超越训练数据的安全性：通过符合化系统级合成实现稳健的分布外规划与控制
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出一种基于符合预测和系统级合成的方法，用于在分布外情况下实现稳健的非线性模型预测控制，提升系统安全性和鲁棒性。
The Key to State Reduction in Linear Attention: A Rank-based Perspective
线性注意力的状态缩减：基于秩的视角
机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Tübingen AI Center（图宾根人工智能中心）
AI总结 本文提出了一种基于秩的线性注意力状态缩减方法，通过结构化修剪减少状态大小，同时保持模型性能，实现更快和更节省内存的模型。
Mask What Matters: Mitigating Object Hallucinations in Multimodal Large Language Models with Object-Aligned Visual Contrastive Decoding
关注关键要素：通过对象对齐的视觉对比解码缓解多模态大语言模型中的对象幻觉
机构 * ETH Zurich（苏黎世联邦理工学院） ； Amazon（亚马逊） ； MBZUAI（穆罕默德·本·拉什德智能科学技术研究院）
AI总结 本文提出了一种通过对象对齐的视觉对比解码缓解多模态大语言模型中对象幻觉的方法，具有计算开销低且兼容性强的特点。
ANCRe: Adaptive Neural Connection Reassignment for Efficient Depth Scaling
ANCRe: 适应性神经连接重新分配用于高效的深度扩展
机构 * University of Minnesota（明尼苏达大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 ANCRe通过适应性神经连接重新分配，有效提升深度扩展效率，加速收敛并提高性能。
On the Expressive Power of GNNs for Boolean Satisfiability
关于GNNs在布尔可满足性问题中的表达能力
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文研究了GNNs在SAT求解中的表达能力，通过WL测试发现其无法区分可满足与不可满足实例，并分析了不同SAT实例对表达性需求的影响。
Comments Accepted at ICLR 2026
Reasoning aligns language models to human cognition
推理使语言模型对齐人类认知
机构 * ETH AI Center, Zürich, Switzerland ； ETH Zürich, Switzerland ； Institute for Neuroinformatics, University of Zürich \& ETH Zürich, Switzerland ； University College London, London, United Kingdom
AI总结 本研究通过主动概率推理任务揭示语言模型与人类在不确定性决策中的差异，发现延长推理能显著提升推理性能，但对信息获取影响有限。
Comments 38 pages, 4 main figures, multiple appendix figures
Agent-Supported Foresight for AI Systemic Risks: AI Agents for Breadth, Experts for Judgment
支持智能体的前瞻性分析以应对AI系统性风险：智能体用于广度，专家用于判断
机构 * GESIS - Leibniz Institute for the Social Sciences（GESIS-莱布尼茨社会科学研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Cambridge（剑桥大学）
AI总结 本文提出了一种结合智能体和专家的前瞻性分析方法，用于评估AI系统的长期系统性风险，通过模拟智能体和专家讨论，扩大风险覆盖范围并提供上下文基础。
Comments 48 pages, 15 figures
