ETH Zurich（苏黎世联邦理工学院）

Geometry Aware Operator Transformer as an Efficient and Accurate Neural Surrogate for PDEs on Arbitrary Domains

基于几何意识的操作变换器：一种高效的准确神经代理用于任意域上的偏微分方程

Shizheng Wen, Arsh Kumbhat, Levi Lingsch, Sepehr Mousavi, Yizhou Zhao, Praveen Chandrashekar, Siddhartha Mishra

机构 * Seminar for Applied Mathematics, ETH Zurich, Switzerland（应用数学研讨会，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Zurich, Switzerland（ETH人工智能中心，苏黎世，瑞士） ； Department of Mechanical and Process Engineering, ETH Zurich, Switzerland（机械与过程工程系，苏黎世联邦理工学院，瑞士） ； School of Computer Science, CMU, USA（计算机科学学院，卡内基梅隆大学，美国） ； Centre for Applicable Mathematics, TIFR, India（应用数学中心，印度泰姬·弗里德曼研究所） 纠错

AI总结 本文提出几何意识的操作变换器GAOT，用于高效准确地学习任意域上的偏微分方程解，通过多尺度注意图神经网络和几何嵌入实现高精度与高效能的结合。

Learning-based Multi-View Stereo: A Survey

基于学习的多视图立体：综述

Fangjinhua Wang, Qingtian Zhu, Di Chang, Quankai Gao, Junlin Han, Tong Zhang, Richard Hartley, Marc Pollefeys

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Australian National University（澳大利亚国立大学） ； Microsoft, Zurich（微软（瑞士）） 纠错

AI总结 本文综述了基于学习的多视图立体方法，重点介绍了基于深度图的方法，并讨论了该领域未来的研究方向。

Comments Accepted to IEEE T-PAMI 2026

DT-ICU: Towards Explainable Digital Twins for ICU Patient Monitoring via Multi-Modal and Multi-Task Iterative Inference

DT-ICU：通过多模态和多任务迭代推理实现ICU患者监测的可解释数字孪生

Wen Guo

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 DT-ICU通过多模态和多任务迭代推理实现ICU患者监测的可解释数字孪生，提升了预测的准确性和可解释性。

Tab-TRM: Tiny Recursive Model for Insurance Pricing on Tabular Data

Tab-TRM：表格数据上的保险定价小型递归模型

Kishan Padayachy, Ronald Richman, Mario V. Wüthrich

机构 * insureAI ； Department of Mathematics, ETH Zurich（数学系，苏黎世联邦理工学院） 纠错

AI总结 Tab-TRM是一种基于递归推理的保险定价模型，结合传统精算方法与现代机器学习技术，通过迭代优化实现高效准确的保险定价。

Comments 30 pages

Reinforcement Learning for Micro-Level Claims Reserving

微级别理赔准备金的强化学习

Benjamin Avanzi, Ronald Richman, Bernard Wong, Mario Wüthrich, Yagebu Xie

机构 * Centre for Actuarial Studies, Department of Economics, The University of Melbourne（澳大利亚墨尔本大学经济系精算研究所以及精算研究中心） ； University of the Witwatersrand（沃斯兰德大学） ； School of Risk and Actuarial Studies, UNSW Australia Business School, UNSW Sydney（新南威尔士大学悉尼分校商学院风险与精算研究所以及精算研究学院） ； Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） 纠错

AI总结 本文提出一种基于强化学习的微级别理赔准备金计算方法，通过马尔可夫决策过程提升未决赔款准备金估计的准确性和稳定性，适用于保险精算实践。

Personalized Spiking Neural Networks with Ferroelectric Synapses for EEG Signal Processing

具有铁电突触的个性化脉冲神经网络用于EEG信号处理

Nikhil Garg, Anxiong Song, Niklas Plessnig, Nathan Savoia, Laura Bégon-Lours

机构 * Integrated Systems Laboratory, Department of Information Technology and Electrical Engineering, ETH Zürich（集成系统实验室，信息科技与电气工程系，苏黎世联邦理工学院） 纠错

AI总结 本文提出利用铁电突触实现个性化EEG信号处理，通过设备感知训练和权重迁移策略，在资源受限平台实现高效自适应SNN解码。

LangHOPS: Language Grounded Hierarchical Open-Vocabulary Part Segmentation

LangHOPS: 语言引导的层次开放词汇部件分割

Yang Miao, Jan-Nico Zaech, Xi Wang, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

机构 * INSAIT ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱门特·欧里迪斯基"） ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑技术大学） ； Toyota Motor Europe（丰田欧洲公司） 纠错

AI总结 LangHOPS通过多模态大语言模型实现开放词汇物体-部件实例分割，取得领域内和跨数据集的优异性能。

Comments 10 pages, 5 figures, 14 tables, Neurips 2025

Bayesian Surrogates for Risk-Aware Pre-Assessment of Aging Bridge Portfolios

贝叶斯代理用于风险意识的桥梁资产老化预评估

Sophia V. Kuhn, Rafael Bischof, Marius Weber, Antoine Binggeli, Michael A. Kraus, Walter Kaufmann, Fernando Pérez-Cruz

机构 * Institute of Structural Engineering, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院结构工程研究所） ； Computational Design Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算设计实验室） ； Design ++, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院设计++） ； Institute of Structural Mechanics and Design, TU Darmstadt, Germany（德国达姆施塔特技术大学结构力学与设计研究所） ； Department of Computer Science, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机科学系） ； Bank for International Settlements, Switzerland（瑞士国际清算银行） 纠错

AI总结 本文提出贝叶斯神经网络代理用于快速评估桥梁资产老化风险，通过校准不确定性实现高效预评估，减少整体成本和排放。

Comments Accepted at the NeurIPS 2025 Workshop on MLxOR: Mathematical Foundations and Operational Integration of Machine Learning for Uncertainty-Aware Decision-Making

SAD Neural Networks: Divergent Gradient Flows and Asymptotic Optimality via o-minimal Structures

SAD神经网络：通过o-最小结构实现的分歧梯度流和渐近最优性

Julian Kranz, Davide Gallon, Steffen Dereich, Arnulf Jentzen

机构 * Department of Information Systems, University of Münster, Germany（慕尼黑大学信息系统系） ； Applied Mathematics: Institute for Analysis and Numerics, University of Münster, Germany（慕尼黑大学应用数学系） ； RiskLab Switzerland, ETH Zürich, Switzerland（苏黎世联邦理工学院瑞士风险实验室） ； Applied Mathematics: Institute for Mathematical Stochastics, University of Münster, Germany（慕尼黑大学应用数学系） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen), China（香港中文大学（深圳）数据科学学院和人工智能学院） 纠错

AI总结 SAD神经网络通过o-最小结构的几何特性，证明了梯度流在特定条件下会发散到无穷大，揭示了神经网络损失优化的渐近最优性。

Comments Accepted for NeurIPS 2025, 30 pages, 6 figures. The result about continuous data distributions now has an additional assumption since a gap was identified in a previous version of the proof

Scalable Outdoors Autonomous Drone Flight with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

可扩展的户外自主无人机飞行：基于视觉-惯性SLAM和无LiDAR的密集子地图构建

Sebastián Barbas Laina, Simon Boche, Sotiris Papatheodorou, Dimos Tzoumanikas, Simon Schaefer, Hanzhi Chen, Stefan Leutenegger

机构 * Technical University of Munich（技术大学慕尼黑） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Mobile Robotics Lab（移动机器人实验室） ； Department of Computing（计算学院） ； Imperial College London（伦敦帝国学院） ； Department of Mechanical and Process Engineering（机械与过程工程学院） ； ETH Zurich（苏黎世联邦理工学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种基于视觉-惯性SLAM和无LiDAR的自主无人机系统，实现户外复杂环境下的大规模自主导航和路径规划。

Comments 8 pages, 8 figures

A Convex Framework for Confounding Robust Inference

一种对抗性鲁棒推断的凸框架

Kei Ishikawa, Niao He, Takafumi Kanamori

机构 * Department of Mathematics ETH Zurich（苏黎世联邦理工学院数学系） ； Department of Computer Science ETH Zurich（苏黎世联邦理工学院计算机科学系） ； School of Computing Institute of Science Tokyo（东京科学大学计算学部） ； RIKEN AIP（日本理化学研究所AIP） 纠错

AI总结 本文提出了一种基于凸规划的通用估计器，用于在存在未观测混杂因素的情况下提供策略价值的精确下界，并通过经验风险最小化实现理论保证。

Comments This is an extended version of the following work https://proceedings.mlr.press/v206/ishikawa23a.html. arXiv admin note: text overlap with arXiv:2302.13348

MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments

MOSAIC-GS：通过先进初始化进行复杂动态环境的单目场景重建

Svitlana Morkva, Maximum Wilder-Smith, Michael Oechsle, Alessio Tonioni, Marco Hutter, Vaishakh Patil

机构 * ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌公司） 纠错

AI总结 MOSAIC-GS通过先进初始化实现复杂动态环境的单目场景重建，结合多种几何线索和刚性运动约束，提高重建效率与质量。

Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images

基于TLS点云与嵌入式RGB图像融合的密集3D位移估计用于滑坡监测

Zhaoyi Wang, Jemil Avers Butt, Shengyu Huang, Tomislav Medic, Andreas Wieser

机构 * ETH Zurich, Institute of Geodesy（苏黎世联邦理工学院测绘与摄影测量研究所） ； Atlas optimization GmbH（Atlas优化公司） 纠错

AI总结 本文提出一种融合TLS点云与嵌入式RGB图像的粗到细方法，用于高精度滑坡位移估计，实现高空间覆盖度和准确性。

Comments Published in the International Journal of Applied Earth Observation and Geoinformation. 25 pages, 19 figures

Journal ref Int. J. Appl. Earth Obs. Geoinf., Vol. 146, 105093, 2026

AtomThink: Multimodal Slow Thinking with Atomic Step Reasoning

AtomThink: 多模态慢思考与原子步骤推理

Kun Xiang, Zhili Liu, Terry Jingchen Zhang, Yinya Huang, Yunshuang Nie, Kaixin Cai, Yiyang Yin, Runhui Huang, Hanhui Li, Yihan Zeng, Yu-Jie Yuan, Jianhua Han, Lanqing Hong, Hang Xu, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； ETH Zurich（苏黎世联邦理工学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Hong Kong（香港大学） ； Noah’s Ark Lab（诺亚实验室） ； Yinwang Intelligent Technology Co., Ltd.（亿纬智能科技有限公司） 纠错

AI总结 AtomThink通过引入原子步骤推理，提升多模态大语言模型的推理性能和效率。

Comments TPAMI accepted

Uncertainty-Aware Robotic World Model Makes Offline Model-Based Reinforcement Learning Work on Real Robots

具有不确定性的机器人世界模型使基于模型的离线强化学习在真实机器人上有效

Chenhao Li, Andreas Krause, Marco Hutter

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种具有不确定性的机器人世界模型，结合MOPO-PPO框架，使基于模型的离线强化学习在真实机器人上有效，通过提高策略的鲁棒性并超越现有基线。

ImLoc: Revisiting Visual Localization with Image-based Representation

ImLoc：重新审视基于图像的视觉定位

Xudong Jiang, Fangjinhua Wang, Silvano Galliani, Christoph Vogel, Marc Pollefeys

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Microsoft Spatial AI Lab, Zurich（微软空间人工智能实验室） 纠错

AI总结 ImLoc通过结合图像与深度图提升视觉定位精度，实现高效存储与计算，达到新的最先进水平。

Comments Code will be available at https://github.com/cvg/Hierarchical-Localization

Causal Invariance Learning via Efficient Nonconvex Optimization

通过高效非凸优化实现因果不变性学习

Zhenyu Wang, Yifan Hu, Peter Bühlmann, Zijian Guo

机构 * Department of Statistics, Rutgers University（罗格斯大学统计系） ； Seminar for Statistics, ETH Zürich（苏黎世联邦理工学院统计研究所） ； Center for Data Science, Zhejiang University（浙江大学数据科学中心） 纠错

AI总结 本文提出NegDRO框架，通过高效非凸优化实现因果不变性学习，解决了因果结果模型的识别与估计问题。

Nonlinear Spectral Modeling and Control of Soft-Robotic Muscles from Data

非线性频谱建模与基于数据的软机器人肌肉控制

Leonardo Bettini, Amirhossein Kazemipour, Robert K. Katzschmann, George Haller

机构 * Institute for Mechanical Systems, ETH Zurich（机械系统研究所，瑞士苏黎世联邦理工学院） ； Soft Robotics Lab, ETH Zurich（软机器人实验室，瑞士苏黎世联邦理工学院） 纠错

AI总结 本文提出基于频谱子 manifold 理论的数据驱动方法，用于高效控制软机器人肌肉和肌肉驱动关节，减少跟踪误差并避免滞后现象。

pdfQA: Diverse, Challenging, and Realistic Question Answering over PDFs

pdfQA: 多领域、具有挑战性且现实的PDF问答

Tobias Schimanski, Imene Kolli, Yu Fan, Ario Saeid Vaghefi, Jingwei Ni, Elliott Ash, Markus Leippold

机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Swiss Finance Institute (SFI)（瑞士金融研究所） 纠错

AI总结 pdfQA通过多领域、具有挑战性的PDF问答数据集，评估端到端问答流程，揭示与复杂性维度相关的挑战。

Iterative Topic Taxonomy Induction with LLMs: A Case Study of Electoral Advertising

基于大语言模型的迭代主题分类诱导：选举广告案例研究

Alexander Brady, Tunazzina Islam

机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Purdue University（普渡大学计算机科学系） 纠错

AI总结 本文提出基于大语言模型的迭代主题分类方法，通过选举广告案例验证，实现了无需预定义标签的自动主题分类，并在人类评估中表现出更一致和可解释的结果。

Comments Under-submission

ViSTA-SLAM: Visual SLAM with Symmetric Two-view Association

ViSTA-SLAM：基于对称两视图关联的视觉SLAM

Ganlin Zhang, Shenhan Qian, Xi Wang, Daniel Cremers

机构 * TU Munich（慕尼黑工业大学） ； MCML ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 ViSTA-SLAM通过轻量级对称两视图关联模型实现了高效的实时单目视觉SLAM，提升了两视图约束质量和3D重建性能。

Comments Accepted by 3DV 2026, project page: https://ganlinzhang.xyz/vista-slam/

Soft Responsive Materials Enhance Humanoid Safety

软响应材料提升人形机器人安全性

Chunzheng Wang, Yiyuan Zhang, Annan Tang, Ziqiu Zeng, Haoran Chen, Quan Gao, Zixuan Zhuang, Boyu Li, Zhilin Xiong, Aoqian Zhang, Ce Hao, Siyuan Luo, Tongyang Zhao, Cecilia Laschi, Fan Shi

机构 * College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院） ； ENGINEAI Robotics Technology Co., Ltd（ENGINEAI机器人技术有限公司） ； Institute of Robotics and Intelligent Systems, ETH Zürich（苏黎世联邦理工学院机器人与智能系统研究所） 纠错

AI总结 本研究通过软响应材料与结构协同设计，提升人形机器人在跌倒时的安全性与环境安全性。

Comments 40 pages, 11 figures

StableDPT: Temporal Stable Monocular Video Depth Estimation

StableDPT：时序稳定的单目视频深度估计

Ivan Sobko, Hayko Riemenschneider, Markus Gross, Christopher Schroers

机构 * ETH Zürich（苏黎世联邦理工学院） ； DisneyResearch|Studios（迪士尼研究|工作室） 纠错

AI总结 StableDPT通过引入时间模块和高效的交叉注意力机制，提升单目视频深度估计的时序稳定性与处理效率。

Socially-Aware Recommender Systems Mitigate Opinion Clusterization

具有社会意识的推荐系统缓解意见聚类

Lukas Schüepp, Carmen Amo Alonso, Florian Dörfler, Giulia De Pasquale

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； TU Eindhoven（埃因霍温技术大学） 纠错

AI总结 本文提出一种考虑用户社会网络的推荐系统，以缓解过滤气泡和意见极化问题。

A Platform for Interactive AI Character Experiences

一个交互式AI角色体验的平台

Rafael Wampfler, Chen Yang, Dillon Elste, Nikola Kovacevic, Philine Witzig, Markus Gross

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出一个平台，用于创建可信的交互式AI角色，通过整合多种AI技术，实现故事驱动的对话体验。

Journal ref SIGGRAPH Conference Papers '25, August 10-14, 2025, Vancouver, BC, Canada

Enhanced Data-Driven Product Development via Gradient Based Optimization and Conformalized Monte Carlo Dropout Uncertainty Estimation

通过梯度优化和符合化蒙特卡洛丢弃不确定性估计增强数据驱动的产品开发

Andrea Thomas Nava, Lijo Johny, Fabio Azzalini, Johannes Schneider, Arianna Casanova

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Liechtenstein（列支敦士登大学） 纠错

AI总结 本文提出一种结合梯度优化和符合化蒙特卡洛丢弃的增强数据驱动产品开发方法，通过联合神经网络和不确定性估计提升多属性优化性能。

Comments Accepted at the 18th International Conference on Agents and Artificial Intelligence (ICAART 2026)

Limits of quantum generative models with classical sampling hardness

量子生成模型的极限与经典采样难度

Sabrina Herbst, Ivona Brandić, Adrián Pérez-Salinas

机构 * Institute of Computer Engineering, TU Wien（计算机工程系，维也纳技术大学） ； Institute for Theoretical Physics, ETH Zürich（理论物理研究所，苏黎世联邦理工学院） 纠错

AI总结 本文研究了量子生成模型的极限，发现抗集中模型无法训练，而稀疏分布模型可被训练，揭示了量子优势的来源与经典模拟的权衡。

Comments 29 pages, 9 figures

From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs

从室内到开放世界：揭示MLLMs中的空间推理差距

Mingrui Wu, Zhaozhi Wang, Fangjinhua Wang, Jiaolong Yang, Marc Pollefeys, Tong Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出了一种大规模基准测试，通过户外数据集揭示MLLMs在空间推理方面的不足，并证明其依赖语言先验而非真实视觉推理。

Comments Project page: https://mingrui-wu.github.io/openbench/

Fine-Tuned Vision Transformers Capture Complex Wheat Spike Morphology for Volume Estimation from RGB Images

微调视觉Transformer捕捉复杂小麦穗形态以从RGB图像估计体积

Olivia Zumsteg, Nico Graf, Aaron Haeusler, Norbert Kirchgessner, Nicola Storni, Lukas Roth, Andreas Hund

机构 * ETH Zurich, Institute of Agricultural Science（苏黎世联邦理工学院农业科学研究所） ； ETH Zurich, Department of Computer Science（苏黎世联邦理工学院计算机科学系） ； ETH Zurich, Department of Mechanical and Process Engineering（苏黎世联邦理工学院机械与过程工程系） 纠错

AI总结 本文提出利用微调的视觉Transformer和MLP方法，通过RGB图像和结构光3D扫描估计小麦穗体积，实现了高精度的非破坏性表型分析。

Comments 18 pages, 22 figures

Improving Large Language Model Safety with Contrastive Representation Learning

通过对比表征学习提升大语言模型安全性

Samuel Simko, Mrinmaya Sachan, Bernhard Schölkopf, Zhijing Jin

机构 * ETH Zurich（苏黎世联邦理工学院） ； MPI for Intelligent Systems（智能系统最大计划） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出基于对比表征学习的框架，通过三元组损失和对抗性难负样本挖掘提升大语言模型对对抗攻击的鲁棒性。

Comments EMNLP 2025 Main