高校专区
目标-行为对齐：多目标强化学习策略选择的诊断方法
机构 * Delft University of Technology（代尔夫特理工大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种诊断工作流，自动揭示帕累托前沿上仅靠目标值无法体现的行为差异，通过定量和可视化工具辅助策略选择，在简单网格和连续控制基准上验证有效性。
Comments 22 pages, 41 figures
REKEY: 基于元数据的视觉键再生方法用于抗污染的VQA评估
机构 * Zhejiang University（浙江大学） ； ETH Zürich（苏黎世联邦理工学院） ； Nanjing University of Science and Technology（南京理工大学） ； Nanjing University（南京大学） ； University of Waterloo（滑铁卢大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院）
AI总结 提出ReKey协议，通过随机再生图像中的视觉键来防止VQA基准测试泄露，实验显示原始项目得分比再生变体高9.5-18.8个百分点。
Muown 隐式执行角步长衰减
机构 * ETH Zurich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（蒂宾根ELLIS研究所） ； MPI-IS Tübingen AI Center（马克斯·普朗克智能系统研究所蒂宾根人工智能中心）
AI总结 本文揭示 Muown 优化器的方向更新等价于归一化方向上的黎曼步长，其未归一化参数幅度仅调节角步长，据此提出显式角步长的 AngularMuown 方法，在 nanoGPT 竞赛和 Qwen2 等模型上表现更优。
使用少于100次模拟的多保真度基于模拟推理的场级弱引力透镜宇宙学
机构 * Department of Physics & Astronomy, University College London（物理与天文学系，伦敦大学学院） ； Department of Earth Sciences, University College London（地球科学系，伦敦大学学院） ； Department of Physics & King’s Institute for Artificial Intelligence, King’s College London（物理系及国王学院人工智能研究所，国王学院） ； Institute for Computational Cosmology (ICC) & the Centre for Extragalactic Astronomy (CEA), Durham University（计算宇宙学研究所（ICC）及(extragalactic astronomy)天文中心（CEA），杜伦大学） ； Département de Physique Théorique, Université de Genève（理论物理系，日内瓦大学） ； ETH Zurich, Institute for Particle Physics and Astrophysics（苏黎世联邦理工学院，粒子物理与天体物理学研究所） ； Department of Physics, Royal Holloway, University of London（物理系，伦敦皇家霍洛威大学）
AI总结 提出多保真度基于模拟推理方法，用60-100次高保真N体模拟实现场级弱引力透镜宇宙学推断，显著降低模拟成本。
Comments 19 + 7 pages, 13 + 4 figures
FTP-1：一种跨触觉传感器的通用基础触觉策略，用于密集接触操作
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Sharpa ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出FTP-1，首个通用基础触觉策略，通过异构编码器和共享Transformer专家，跨21种传感器和3000小时数据预训练，实现触觉操作技能的跨传感器迁移，在未见传感器上成功率提升31%。
PicoSAM3：实时传感器区域感兴趣分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； IBM Research（IBM研究院）
AI总结 PicoSAM3是一款轻量级实时传感器区域分割模型，结合密集CNN架构、区域兴趣提示编码和知识蒸馏，实现低延迟高精度分割。
HumanHalo -- 通过最小保守MPC实现安全高效的三维人群导航
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出HumanHalo框架，结合可达性安全保证与数据驱动人体运动预测，通过仅约束初始控制输入实现安全高效的3D MAV人群导航，在仿真和真实实验中验证了其有效性。
OGD4All: 基于大语言模型的可访问地理空间开放政府数据交互框架
机构 * Professorship of Computational Social Science, ETH Zurich（计算社会科学教授职位，苏黎世联邦理工学院） ； Esri R&D Center Zurich（埃斯里苏黎世研发中心） ； Complexity Science Hub（复杂性科学中心）
AI总结 提出OGD4All框架，结合语义检索、智能体推理和沙盒执行，实现基于大语言模型的地理空间开放政府数据交互，在430个数据集上达到98%分析正确率和94%召回率，有效减少幻觉风险。
Comments Author Accepted Manuscript (AAM). Proceedings of 2026 IEEE CAI (Granada, Spain). Update manuscript with final DOI. Code & data available at: https://github.com/ethz-coss/ogd4all
Journal ref 2026 IEEE Conference on Artificial Intelligence (CAI), pp. 882-888
MAVRL: 通过摊销变分推断从多种反馈类型中学习奖励函数
机构 * ETH AI Center, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） ； Department of Computer Science, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； Department of Informatics, University of Zurich, Zurich, Switzerland（苏黎世大学信息学系）
AI总结 提出一种基于贝叶斯推断的框架，从异构反馈类型（如演示、比较、评分和停止）中联合学习共享潜在奖励函数，采用摊销变分推断方法，无需手动损失平衡，实验表明联合推断的奖励后验优于单类型基线，并提高了策略对环境扰动的鲁棒性。
Comments Accepted at ICML 2026
RelightAnyone: 一种通用的可重光照3D高斯头部模型
机构 * ETH Zürich（苏黎世联邦理工学院） ； DisneyResearch|Studios（迪士尼研究与工作室） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学院，SIC）
AI总结 提出一种两阶段通用可重光照3D高斯头部模型，无需OLAT数据即可从单/多视图图像重光照任意对象，通过从平光照3DGS头像到物理反射参数的映射实现高质量重光照。
APEX: 动作先验实现高效探索，实现足式机器人鲁棒运动跟踪
机构 * Multi-Agent Robotic Motion Lab（多智能体机器人运动实验室） ； Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） ； Computational Robotics Lab（计算机器人实验室） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院） ； Robot Intelligence Lab（机器人智能实验室） ； Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）
AI总结 提出APEX框架，通过衰减动作先验引导探索，结合多评判器分离风格与任务信号，实现无需部署时参考动作输入的高效运动跟踪。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
使用栈增强神经网络结出句法之果
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文首次证明，仅基于表面形式训练的栈增强神经网络能够像人类一样进行层次句法泛化，其中非确定性栈增强的Transformer表现最佳。
Comments 18 pages, 6 figures. Updated draft with additional experiments
非平面三维打印双壳结构
机构 * Digital Building Technologies, ETH Zurich（数字建筑技术，苏黎世联邦理工学院） ； Institute of Perception, Action and Behaviour, The University of Edinburgh（感知、行为与动作研究所，爱丁堡大学） ； Institute for Geometry of the Department of Mathematics, TU Graz（数学系几何研究所，格拉茨技术大学）
AI总结 本文提出利用多轴融合沉积建模（FDM）机器人3D打印技术，沿横向方向打印双壳结构。通过转换横向条带网络表示，实现双壳结构的分体打印与组装，展示了方法在不同尺度和几何复杂度表面的适应性与鲁棒性。
Journal ref In: Robotic Fabrication in Architecture, Art and Design (RobArch 2024), Springer, 2025, pp. 174-191
SA-VIS: 用于训练视频实例分割的稀疏帧标注
机构 * CVL, ETH Zurich（计算机视觉实验室，苏黎世联邦理工学院） ； Align Technology ； VISICS, KU Leuven（VISICS，鲁汶大学） ； INSAIT, Sofia（INSAIT，索非亚）
AI总结 提出稀疏帧标注的SA-VIS方法，通过过去帧特征传播模块利用低维特征，在仅使用1/5标注帧时性能仅下降0.4%，显著降低标注成本。
传感器运动世界模型：通过逆动力学实现面向行动感知
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； ELLIS Institute（ELLIS研究所） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出传感器运动世界模型（SMWM），通过逆动力学正则化端到端训练潜空间世界模型，防止表示崩溃并学习与行动对齐的紧凑表示，在2D和3D控制任务中实现竞争性规划性能。
高效表示链式思维Transformer中的算法
机构 * Allen Institute for AI（艾伦人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文证明链式思维Transformer能以多对数开销高效模拟Word RAM算法，包括排序和Dijkstra算法，优于模拟图灵机的二次开销。
网络规模LLM预训练数据中的叙事内容特征化
机构 * University of Colorado Boulder（科罗拉多大学波尔德分校） ； ETH Zürich（苏黎世联邦理工学院） ； McGill University（麦吉尔大学）
AI总结 首次细粒度研究LLM预训练语料库Dolma的叙事特征，提出涵盖三个核心叙事元素（能动性、场景、事件）的框架，构建NarraBERT模型并发布NarraDolma数据集，揭示叙事结构在异构数据中可测量且分布不均。
Comments 8 pages of main content, 28 total pages. 30 figures
揭示未言明之事：通过随机路径聚合可视化隐藏的LLM偏见
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出TreeTracer工具，通过系统扰动分析、语法对齐聚合和分类感知节点合并，利用桑基图对比不同语义上下文，揭示LLM中隐藏的代表性和句法偏见。
Comments 14 pages
TerraMind：面向地球观测的大规模生成式多模态模型
机构 * IBM Research – Europe（IBM欧洲研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Forschungszentrum Jülich（尤利希研究中心） ； European Space Agency（欧洲航天局） ； Φ \Phi -Lab（Φ实验室） ； NASA IMPACT ； University of Iceland（爱沙尼亚大学）
AI总结 提出首个任意到任意生成式多模态基础模型TerraMind，通过双尺度表示（token级和像素级）预训练，实现零样本/少样本应用，并引入“模态思考”能力，在PANGAEA等基准上达到领先性能。
Comments Accepted at ICCV'25
对抗性依赖最小化
机构 * CVL, ETH Zürich, Switzerland（CVL，苏黎世联邦理工学院，瑞士） ； INSAIT, Sofia University, Bulgaria（INSAIT，索菲亚大学，保加利亚）
AI总结 提出ADM算法，通过对抗博弈最小化特征维度间的统计依赖性，证明全局最优时达到相互独立，并应用于非线性去相关、图像分类泛化提升和自监督学习维度坍塌预防。
Hand-4DGS: 用于从第一人称视频进行4D手部重建的前馈3D高斯泼溅方法
机构 * Yonsei University（延世大学） ； Electronics and Telecommunications Research Institute（电子电信研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间AI实验室） ； VGG, University of Oxford（VGG，牛津大学）
AI总结 提出Hand-4DGS，首个前馈框架，从第一人称视频直接重建动态4D手部，利用网格引导表示和时间卷积，实现快速推理和强泛化，无需3D真值标注。
Comments Project page: https://jeongminb.github.io/hand-4dgs/
TactSpace: 学习富含物理信息的共享潜在空间以实现触觉模拟到现实的迁移
机构 * Robotic Systems Lab, ETH Zürich（瑞士苏黎世联邦理工学院机器人系统实验室） ； Micro- and Nanosystems Lab, ETH Zürich（瑞士苏黎世联邦理工学院微纳系统实验室） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； NVIDIA（NVIDIA公司）
AI总结 提出多模态表示学习框架TactSpace，通过共享潜在空间对齐异构触觉模态，实现零样本模拟到现实迁移，在力预测和形状重建任务中分别降低误差16.7%和45.8%。
Comments 9 pages, 6 figures, 4 tables, accepted into IROS 2026
TIGER：通过嵌入子空间距离优化反转Transformer梯度
机构 * ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱门特·奥赫里茨基"）
AI总结 提出TIGER攻击，通过将子空间信号转化为可微目标，直接优化令牌嵌入以最小化到子空间的距离，在编码器模型上提升重建质量和速度，在解码器模型上增强对差分隐私的鲁棒性。
Comments 16 pages, 13 pages main text,
提问的艺术：一致性增强空间推理中的事实性
机构 * The University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出自监督强化学习框架，通过几何与语义一致性验证器（如图像翻转、文本对象顺序交换）对齐预训练模型的内在空间推理能力，无需标注数据即可达到接近监督方法的精度。
MemBoost：一种面向成本感知的LLM推理的内存增强框架
机构 * University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出MemBoost框架，通过轻量模型重用历史答案和检索支持信息，并选择性将困难查询路由到强模型，以降低LLM推理成本，同时保持回答质量。
Comments ICML MemFM 2026 Workshop
反因果域泛化：利用无标签数据
机构 * Apple（苹果公司） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 针对反因果设置下的域泛化问题，提出利用无标签数据估计环境扰动方向，通过惩罚模型对协变量均值和协方差变化的敏感性实现鲁棒性，并提供最坏情况最优性保证。
Comments Accepted at the International Conference on Machine Learning (ICML) 2026
基于不确定性感知注意力头的高效大语言模型幻觉检测
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德人工智能大学） ； ETH Zurich（苏黎世联邦理工学院） ； Independent Researcher（独立研究者） ； Applied AI Institute（应用人工智能研究所）
AI总结 提出RAUQ框架，利用不确定性感知注意力头与令牌级置信度，通过单次前向传递实现无监督、高效的序列级幻觉检测，在12个数据集上优于现有方法且额外计算少于1%。
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Seoul, South Korea, 2026
不动点推理器：稳定且自适应的深度循环Transformer
机构 * ELLIS Institute Tübingen, Max Planck Institute for Intelligent Systems, Tübingen AI Center（ELLIS研究所蒂宾根，马克斯·普朗克智能系统研究所，蒂宾根人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics（瑞士生物信息学研究所） ； Université Paris Cité（巴黎西岱大学） ； Liquid AI
AI总结 针对循环架构中深度导致的信号传播问题，提出基于预层归一化和残差缩放的FPRM模型，利用不动点收敛作为端到端停止机制，在Sudoku、Maze等推理基准上自适应计算并有效提升性能。
Comments Code available at https://github.com/nilskiKonjIzDunava/fprm
首次证明第二批
机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学） ； Polish Academy of Sciences（波兰科学院） ； UC Berkeley（加州大学伯克利分校） ； Brown University（布朗大学） ； ETH Zürich（苏黎世联邦理工学院） ； MIT（麻省理工学院） ； Weierstrass Institute（魏尔斯特拉斯研究所） ； Duke University（杜克大学） ； Sorbonne Université（索邦大学） ； Boston College（波士顿学院） ； Université du Québec à Montréal（魁北克大学蒙特利尔分校） ； UCLA（加州大学洛杉矶分校） ； University of Michigan（密歇根大学） ； University of Maryland（马里兰大学）
AI总结 测试多个AI系统在十个数学研究问题上的解题能力，评估当前AI解决研究级数学问题的水平。
基于流的视觉-语言-动作模型的不确定性量化
机构 * TU Munich（慕尼黑工业大学） ； ETH Zurich（苏黎世联邦理工学院） ； MPI IS Tübingen（马克斯·普朗克智能系统研究所）
AI总结 提出利用速度场差异（VFD）量化流匹配模型中的认知不确定性，用于故障检测和主动微调，在LIBERO基准上实现高效任务适应。
Comments Project page: tum-lsy.github.io/uq_vla/. 28 pages, 12 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