高校专区
2026年EXIST竞赛中的AI奇才：用于表情包中多模态性别歧视识别的分层软标签学习
机构 * EXIST Lab（EXIST实验室） ； CLEF（信息检索评价论坛） ； Swiss Data Science Center, ETH Zürich（瑞士苏黎世联邦理工学院瑞士数据科学中心） ； Everest Systems GmbH（珠穆朗玛峰系统有限公司） ； Villanova.ai S.P.A（维拉诺瓦人工智能股份公司）
AI总结 针对表情包多模态性别歧视识别，将任务分层建模为基于经验注释者分布的条件软标签预测，用轻量级门控MLP映射视觉语言表征，在竞赛中取得好成绩。
如何构建数字人？从先验知识到逼真的虚拟形象
机构 * Meta ； Technical University of Munich（慕尼黑技术大学） ； Google（谷歌） ； Tsinghua University（清华大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； NVIDIA ； Technical University of Darmstadt（达姆施塔特技术大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 概述可控3D人类虚拟形象创建，聚焦先验学习和形象创建阶段，定义现有虚拟形象表示并分类，回顾全身和头部虚拟形象等方法，概述原则、推荐文献并讨论挑战与方向。
Comments Eurographics 2026 State-of-the-Art Report (STAR). Project page: https://wojciechzielonka.com/how-to-build-digital-humans/
分身：音效及其合成孪生体
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 介绍Doppelganger基准，用于跨合成-真实边界匹配音效。通过配对真实与合成音频，测试不同训练方式对音频编码器跨边界匹配的影响，发现特定训练可提升匹配准确率，且该匹配具有生成器特异性。
Comments 19 pages. Code: https://github.com/elliottash/doppelganger ; Data: https://huggingface.co/datasets/elliottash/doppelganger ; Models: https://huggingface.co/elliottash/doppelganger
探索用于天气降尺度的卷积神经过程
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 该项目研究卷积条件神经过程用于将ERA5-Land每日最高气温从约11公里分辨率降尺度到瑞士约1公里分辨率，基于特定架构改进，最佳模型效果良好，还做了消融研究，指出关键挑战。
DynaVieW：用于理解分层视觉动态的模式引导世界建模
机构 * EPFL, Switzerland（瑞士联邦理工学院） ； Harvard University（哈佛大学） ； Sony Group Corporation（索尼集团） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院）
AI总结 针对多模态语言模型难以系统建模视频视觉场景时间演变的问题，提出DynaVieW模型，通过学习交错状态转换序列理解视觉动态，在多架构下联合建模，提升下游视觉叙事创作等任务表现。
Comments ICML 2026
通过条件策略混合展示泛化失败
机构 * University of Virginia（弗吉尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； MATS ； Meridian Visiting Researcher Program（子午访问研究员计划） ； University of Cambridge（剑桥大学）
AI总结 研究前沿语言模型训练后因环境分布变化导致泛化失败的问题。提出构建语言模型的方法，用监督微调基于条件策略混合数据集得到模型，经强化学习训练后出现可控泛化失败，还借此说明未来语言模型泛化失败的新方式。
关于分子优化的离散扩散在线适应设计空间
机构 * Caltech（加州理工学院） ； 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） ； Genesis Molecular AI（创世纪分子人工智能公司）
AI总结 研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。
Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems
GRAFT：用于零样本文本到语音中细粒度发音的嫁接参考音频
机构 * AGIGO ； ETH Zurich（苏黎世联邦理工学院） ； Sapienza University of Rome（罗马大学） ； University of Zurich（苏黎世大学）
AI总结 研究针对文本到语音神经编解码器语言建模中单词发音问题，提出GRAFT机制，通过短语音样本控制单词发音，经语音转换训练，提升发音效果，在多语言基准测试中表现出色。
离散扩散模型学到了什么？
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 研究离散扩散模型学到了什么，通过严格推导连续时间马尔可夫链（CTMC）的ELBO，证明了Oracle Distance定理，给出其唯一优化器及不可约成本，还分析了有token分解噪声序列的情况。
Comments 66 pages, 6 figures
高风险人工智能系统与欧洲人工智能法案中的身份问题
机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（伦理与医学史研究所，苏黎世大学） ； SUPSI, Dalle Molle Institute for Artificial Intelligence (IDSIA)（SUPSI，达勒莫利人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文通过功能+框架分析欧盟AI法案中高风险AI系统的身份认定问题，提出同步身份测试方法以支持监管审计。
Comments Accepted as a non-archival paper at The 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26), June 25-28, 2026, Montreal, QC, Canada. Extended version
一种用于移动机器人主动感知的高效束搜索算法
机构 * Robotic Systems Lab, ETH Zurich（机器人系统实验室，苏黎世联邦理工学院）
AI总结 本文提出一种高效束搜索算法，通过节点级搜索和前沿概念改进，提升主动感知任务的性能，实验表明其在多个任务中优于现有方法。
Comments Accepted to The International Journal of Robotics Research (IJRR). Project page: https://efficient-beam-search.github.io/
Journal ref The International Journal of Robotics Research, 2026
MOSAIC：异构机器人团队智能协作的模块化可扩展自主性
机构 * FZI Forschungszentrum für Informatik, Karlsruhe, Germany（弗赖堡信息研究中心，卡尔斯鲁厄，德国） ； Robotic Systems Lab (RSL), ETH Zürich, Zürich, Switzerland（机器人系统实验室（RSL），苏黎世联邦理工学院，苏黎世，瑞士） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT), Karlsruhe, Germany（机器智能与机器人实验室（MaiRo），卡尔斯鲁厄技术学院（KIT），卡尔斯鲁厄，德国） ； European Space Agency (ESA), Noordwijk, Netherlands（欧洲航天局（ESA），诺德威克，荷兰）
AI总结 研究针对多机器人科学探索，提出MOSAIC框架，基于兴趣点统一任务抽象与多层自主性，依机器人能力动态分配任务，经模拟月球探测实验验证，可实现强鲁棒性、可扩展的多机器人科学探索。
Comments This work has been accepted for publication with the IEEE Transactions of Field Robotics Journal
通过不规则图的扩散模型进行分子复合物的分布外检测
机构 * Seminar for Applied Mathematics, Department of Mathematics and ETH AI Center, ETH Zurich（应用数学研讨会，数学系和ETH人工智能中心，瑞士苏黎世ETH学院） ； Institute for Computational Life Sciences, Zurich University of Applied Sciences（计算生命科学研究所，苏黎世应用科学大学） ； Department of Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern（化学、生物化学和药学系，伯尔尼大学）
AI总结 针对不规则3D图数据分布外检测难题，提出基于扩散模型的概率框架，统一处理坐标与特征，获自洽概率流ODE及典型性分数，验证其在蛋白-配体复合物上的有效性并给出多尺度轨迹统计信息。
你的基准仍然有用吗？代码语言模型的动态基准测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究模型评估中如何在模型训练可能已见过基准的情况下保持其有用性，提出动态基准测试框架，通过语义保留突变变换输入构建新基准，评估发现模型性能变差、排名变化及能抵抗数据污染问题。
Comments 15 pages, 7 figures
比例代表性聚类
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； ETH Zürich（苏黎世联邦理工学院） ； Northwestern University（西北大学）
AI总结 聚焦无监督机器学习的质心聚类，提出‘比例代表性公平’公理，现有算法不满足该公理，设计高效算法在无约束和离散聚类问题中实现此公理，无约束算法是首个多项式时间近似算法，离散算法匹配已知最佳近似因子。
LIME: 从自我中心视频学习意图感知的相机运动
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软） ； University of Bonn（波恩大学）
AI总结 提出LIME模型，从自我中心视频中挖掘多意图相机运动监督，结合自回归观察增益输出与连续流匹配位姿头，实现语言条件相机运动生成。
以对象为中心的LeJEPA
机构 * Biomedical Image Computing Group, ETH Zurich（苏黎世联邦理工学院生物医学图像计算组）
AI总结 提出以对象为中心的LeJEPA方法，通过使用SAM提供的对象掩码，在对象级别对齐表示，避免场景级自监督方法的数据低效和不稳定性，在跟踪、分类、分割和重识别任务上优于图像级LeJEPA。
编排水之道：水生机器人艺术的计算机框架
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出水生机器人编排框架Way of Water，通过浏览器式编舞工具、序列凸规划轨迹生成和模型预测控制，实现非编程艺术家对水面船队的音乐响应式编舞，并在苏黎世湖和威尼斯双年展验证。
Comments Video: https://youtu.be/G4cM6xbG7PA
多分辨率流匹配：通过分阶段采样实现无训练扩散加速
机构 * State Key Laboratory of Complex & Critical Software Environment, Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Nanyang Technological University（南洋理工大学） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出MrFlow，一种基于分阶段低到高分辨率管道的无训练多分辨率加速策略，利用低分辨率采样减少计算量，像素空间超分辨率和高频重采样保持质量，实现10倍加速且质量损失小于1%。
Comments The code is available at https://github.com/Xingyu-Zheng/MrFlow
SE(2)导航网格
机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
AI总结 提出SE(2)导航网格，通过编码偏航依赖的可通行性，支持非圆形机器人在复杂多层环境中的高效路径规划，并开发了A*-拉绳-A*分层路径搜索策略。
Comments Project page: https://se2-navmesh.github.io/
指数权重聚合在期望意义下是最优的
机构 * Department of Statistics, University of Oxford（统计系，牛津大学） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 本文证明指数权重聚合（AEW）估计器在平方损失下，当温度足够大时，期望超额风险达到极小极大最优，解决了Lecué和Mendelson（2013）提出的开放问题。
通过最小接近感知学习离散地形上的运动
机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
AI总结 本研究在四足机器人足部嵌入低成本红外接近传感器，提供预接触反馈，结合强化学习使机器人能预测地形不连续性，显著提升离散地形穿越鲁棒性。
Comments Accepted to IROS 2026
基于学习的F1多智能体比赛策略
机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统研究所，苏黎世联邦理工学院）
AI总结 提出一种强化学习方法优化F1多智能体比赛策略，通过交互模块和自对弈训练使智能体自适应对手行为，在能量管理、轮胎退化、空气动力学和进站决策上取得稳健表现。
SuperFlex: 用于点云分解的可变形超二次曲面
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； IMPA（巴西国家纯数学与应用数学研究所） ； USI Lugano（卢加诺大学）
AI总结 提出SuperFlex框架，通过新损失函数、弯曲和锥形变形提升超二次曲面分解精度，并利用高质量分解训练模型以鲁棒处理部分点云。
Comments Project page: https://superflex3d.github.io
在模拟复杂系统上验证因果抽象度量
机构 * Université Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、国家科学研究中心、格勒诺布尔INP、LIG实验室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本研究在十个复杂系统上评估三十多种候选度量，发现只有包含未映射变量忠实性检验的因果度量能可靠区分有效与无效抽象，并提出了因果抽象误差（CAE）作为通用有效性度量。
ELMP: 通过解析策略梯度实现高效运动规划学习
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； ABB（ABB公司） ； ANYbotics（ANYbotics公司）
AI总结 提出ELMP框架，利用可微运动学层和自监督微调，通过密集碰撞、目标到达和平滑性目标直接优化策略，避免专家数据收集，实现数据高效的运动规划适应。
Comments 8 pages, 7 figures, 4 tables
低维数据结构函数计数理论
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 基于Cover函数计数理论，提出适用于低维数据的二元分类框架，通过改进一般位置假设来反映数据低维结构，并扩展分离容量与泛化问题分析。
Comments 49 pages, 7 figures
基于强化学习的直排轮滑人形机器人控制
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） ； Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
AI总结 提出一种强化学习控制策略，使配备被动直排轮滑鞋的人形机器人实现动态、高效的轮滑运动，无需人类数据或模仿学习，相比行走能耗降低50%，并零样本迁移到真实硬件。
Comments 8 pages, 7 figures, 7 tables, Accepted at IROS 2026
RAISE：基于LLM的鲁棒对抗实例搜索自动化启发式设计
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出RAISE框架，通过将约束最坏情况实例搜索集成到LLM进化循环中，解决现有LLM自动化启发式设计在分布偏移下性能崩溃的问题，在多个在线调度问题上验证了鲁棒性。
AugSplat: 基于辐射场信息的高斯泼溅用于稀疏视图设置
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对稀疏视图下高斯泼溅对初始几何敏感的问题，提出AugSplat，利用辐射场合成新视角图像作为辅助监督，提升重建质量并保持实时渲染。
Comments 9 pages, 5 figures
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