高校专区
基于契约的分布式模型预测控制的随时即插即用控制
机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院）
AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。
通过策略先验进行安全探索
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SOOPER方法，利用次优但保守的策略先验，结合概率动力学模型进行乐观探索和悲观回退，在保证安全的同时收敛到最优策略。
迈向能量前沿异质中微子探测器的风格化模型：通过自监督预训练
机构 * IPA, ETH Zürich（瑞士苏黎世联邦理工学院IPA研究所）
AI总结 本文提出一种稀疏ViT框架，通过自监督预训练学习异质探测器数据的可重用表示，提升中微子风味和charm夸克识别、动量回归和顶点重建性能。
Comments 18 pages, 6 figures
SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。
Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon
Goedel-Code-Prover：面向开放状态的最新代码验证的分层证明搜索
机构 * ETH Zürich（苏黎世联邦理工学院） ； Princeton Language and Intelligence（普林斯顿语言与智能实验室） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； MiroMind
AI总结 本文提出Goedel-Code-Prover框架，通过分层证明搜索提升Lean4中代码验证的自动化水平，实现62%的成功率，优于现有基线方法。
Comments Published as a COLM paper
人类移动行为的深度生成模型
机构 * Institute of Cartography and Geoinformation, ETH Zurich（测绘与地理信息研究所，苏黎世联邦理工学院） ； Department of Human Geography, Lund University（人类地理学系，吕勒奥大学） ； Future Resilient Systems, Singapore-ETH Centre, ETH Zurich（未来韧性系统，新加坡-苏黎世联邦理工学院，苏黎世联邦理工学院） ； Photogrammetry and Remote Sensing, ETH Zurich（摄影测量与遥感，苏黎世联邦理工学院） ； Department of Geography, University College London（地理系，伦敦大学学院）
AI总结 提出基于扩散的生成框架MobilityGen，模拟多属性活动-出行序列，复现标度律、时间分配等关键模式，支持城市空间可达性和社会暴露分析。
Comments Accepted at TRC
Dancing Points: 通过三点输入合成舞厅舞蹈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室）
AI总结 通过三点输入合成舞厅舞蹈，利用低维轨迹预测提升动作生成效率
在有限字母表上进行分词是困难的
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 在有限字母表上分词的难度研究显示，无论字母表大小如何，分词问题均为NP完全，且无多项式时间近似方案，揭示了分词计算不可行性的根本原因。
$T^{3}S$：基于热时间的卫星图像时间序列通用作物映射方法
机构 * Earth Observation of Agroecosystems Team, Agroscope, Switzerland（农业生态系统观测团队，阿格罗科学研究所，瑞士） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 研究针对卫星图像时间序列作物分类泛化能力不足等问题，提出基于热时间的$T^3S$方法，通过累积生长度日重新索引观测，在多个数据集上评估，该方法在跨年度和跨区域作物分类上优于基线，提升了多项性能。
Comments Camera-ready version for the ECCV CVPPA workshop
基于深度学习与注意力机制的睡眠研究中单通道移动EEG的伪影检测与定位
机构 * Institute of Biomedical Engineering, Ulm University（生物医学工程研究所，乌尔姆大学） ； Mobile Health Systems Lab, Department of Health Sciences and Technology, ETH Zurich（移动健康系统实验室，健康科学与技术系，苏黎世联邦理工学院）
AI总结 该研究针对单通道移动EEG伪影检测的应用局限，提出CNN-CBAM模型，经72份训练、26份测试数据验证，其性能优于6种对比方法，实现了可穿戴睡眠EEG伪影的自动化检测与定位。
重新思考基于IBP的认证训练中的评估范式
机构 * University of Freiburg（弗赖堡大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对认证训练中自然精度与认证精度的权衡问题，提出基于Pareto前沿的多目标超参数优化方法，实现公平的方法间比较，并发现先前配置的欠调优现象，建立新的最优性能。
Comments ICML 2026
自蒸馏使持续学习成为可能
机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 自蒸馏微调通过直接从演示中进行基于策略的学习，有效减少持续学习中的灾难性遗忘，提升新任务准确性。
基于特权传感器引导对比学习的点目标导航鲁棒场景迁移
机构 * University of Padua（帕多瓦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种传感器引导的自适应对比学习框架，利用特权LiDAR传感器在训练时引导视觉编码器学习导航相关结构，并通过解耦表征学习与策略优化以及跨阶段域不匹配来提升策略级场景迁移能力。
Comments 8 pages, Accepted to IEEE Robotics and Automation Letters (RA-L)
变换器在动力系统中的机理分析
机构 * ETH Zürich（苏黎世联邦理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； Singapore-ETH Centre（新加坡-苏黎世中心）
AI总结 本文从动力系统视角分析单层变换器在动态数据中的表示能力和限制，揭示其在不同动态系统中的表现机制。
AgentGUI：用于观测与调控长期运行AI智能体的界面
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 针对AI智能体观测与调控的界面缺失问题，研究人员推出AgentGUI，通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率，成果已开源。
DCC: 面向处理-内存架构的机器学习内核数据驱动编译
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； ETH Zürich（苏黎世联邦理工学院） ； Nvidia（英伟达） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 针对PIM系统中数据重排与计算代码优化相互依赖的问题，提出数据驱动的编译器DCC，通过统一调优联合优化数据重排与计算代码，在HBM-PIM和AttAcc PIM上分别实现平均2.21倍和3.92倍的加速。
特征值作为序列模型记忆动力学的度量指标
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世人工智能中心）
AI总结 该研究提出以特征值为通用度量，通过动力系统框架统一分析注意力模型与状态空间模型的记忆动力学，经实证研究发现特征值可影响两类模型的记忆与长程依赖建模，还可用于指导架构修改与训练，为序列模型的分析与优化提供了新途径。
具有自适应验证器的多模态强化学习
机构 * Microsoft Research（微软研究院） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； ETH Zurich（苏黎世联邦理工学院） ； UW–Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出Argos验证器，通过结合SFT数据筛选与RL训练，提升多模态推理模型在空间推理、视觉幻觉及机器人任务中的性能，同时减少奖励黑客问题。
面向现实世界的编译器助手
机构 * Southern University of Science and Technology（南方科技大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出llvm-autofix，首个专为修复编译器bug设计的代理工具，通过专用工具和基准测试展示其在处理复杂编译器bug时的性能优势。
弥合差距：面向多种四足机器人的系统仿真到现实迁移
机构 * Robotic Systems Lab, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室）
AI总结 该研究提出结合仿真到现实强化学习与永磁同步电机能量模型的框架，实现多种四足机器人可靠策略迁移，使ANYmal总运输成本降32%，效率优于现有方法。
Comments Published in The International Journal of Robotics Research (IJRR). 25 Figures, 7 Tables. Open-source software and data available
Journal ref The International Journal of Robotics Research, 2026
从机器学习到大规模地球观测产品：制作地图的最佳实践
机构 * 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） ； University of Cambridge（剑桥大学） ； Swiss Federal Research Institute WSL（瑞士联邦森林、雪和景观研究所） ； Asterisk Labs（星号实验室） ； EcoVision Lab, University of Zurich（苏黎世大学生态视觉实验室） ； Leipzig University（莱比锡大学） ； TU Munich（慕尼黑工业大学） ； RISE Research Institutes of Sweden（瑞典皇家理工学院）
AI总结 本文探讨从机器学习到大规模EO产品制作地图的最佳实践，围绕EO数据基础设施、数据处理、模型训练、不确定性量化、地图制作与分发及验证等六个主题，给出从卫星数据到运营地图产品整个流程的推荐做法。
Comments ECCV 2026 TerraBytes II Workshop paper, non-archival
代理神经架构协同设计包（SNAC-Pack）
机构 * University of California San Diego（加州大学圣地亚哥分校） ； ETH Zurich（苏黎世联邦理工学院） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文提出SNAC-Pack，一种面向硬件的自动化机器学习框架，用于神经架构协同设计和端到端FPGA部署，通过多目标全局搜索和硬件代理模型减少合成成本，并结合量化感知训练和迭代幅度剪枝来压缩模型，最终在FPGA上实现高效部署。
Comments 16 pages, 3 figures, Camera-ready version for International Conference on Automated Machine Learning (AutoML) 2026
关于Kolmogorov-Arnold网络回归估计器收敛速度的论文
机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（苏黎世联邦理工学院土木、环境与地理工程系） ； Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究组）
AI总结 本文研究了KANs在Sobolev空间中函数近似时的收敛速度，证明了其达到最小最大最优收敛速度，并提供了B-样条结点数选择的指导方针。
超越提示：无条件3D反演用于分布外形状
机构 * ETH Zürich（苏黎世联邦理工学院） ； École Polytechnique（巴黎高等理工学院） ； Dassault Systèmes（达索系统）
AI总结 研究揭示了文本驱动生成模型在3D形状生成中的局限性，提出通过解耦几何表示与语言敏感性来提升无条件生成的鲁棒性。
Comments Accepted to ECCV 2026
基于车载视觉估计的不确定道路几何条件下驾驶的预测控制
机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院）
AI总结 研究自动驾驶车辆在未知道路行驶时的控制问题，提出基于感知的控制框架，通过约束非线性优化识别道路曲率参数模型，结合场景模型预测控制传播曲率不确定性，经模拟和实际数据验证，该框架能让车辆更严格遵守道路边界。
LiteTopK：利用维度诅咒设计长上下文稀疏注意力中的融合索引器 - TopK 内核
机构 * Nanyang Technological University（南洋理工大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对现有 GPU 索引器 - TopK 内核效率低的问题，利用维度诅咒设计 LITETOPK 内核，通过采样估计得分范围划分候选结果桶，降低内存开销，在实际部署中加速 GLM 5.2 预填充阶段，提升了效率。
基于树的人机交互中多智能体互补性形式化
机构 * Institute of Biomedical Ethics and History of Medicine, University of Zurich（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 Zurich（苏黎世联邦理工学院）
AI总结 本文提出一种基于树的形式化框架，通过有序智能体角色配置和平面二叉树表示人机交互协议，证明互补性在回归中可实现，但在分类中受限于局部聚合和损失函数的自然条件。
Comments 31 pages, 10 figures. Improved notation and added Figure 8 w.r.t. the original submission
MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建
机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院）
AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。
ORGAN：基于循环一致生成对抗网络的对象中心表示学习
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）
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)
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
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）
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)
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