EPFL（洛桑联邦理工学院）

MTBBench: A Multimodal Sequential Clinical Decision-Making Benchmark in Oncology

MTBBench: 一个用于肿瘤学的多模态序列临床决策制定基准

Kiril Vasilev, Alexandre Misrahi, Eeshaan Jain, Phil F Cheng, Petros Liakopoulos, Olivier Michielin, Michael Moor, Charlotte Bunne

机构 * ETH Zürich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； HUG 纠错

AI总结 MTBBench通过模拟分子肿瘤委员会的决策流程，提出一个多模态、纵向的肿瘤学基准测试，评估LLMs在复杂临床任务中的表现并提升其推理与可靠性。

Comments Accepted to NeurIPS 2025

Data Augmentation Techniques to Reverse-Engineer Neural Network Weights from Input-Output Queries

通过数据增强技术反向工程神经网络权重从输入输出查询

Alexander Beiser, Flavio Martinelli, Wulfram Gerstner, Johanni Brea

机构 * TU Wien（维也纳技术大学） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 本文通过设计新的数据增强技术，提升从输入输出查询中反向工程神经网络权重的效率，实现了更大规模网络参数的恢复。

Comments Proceedings of the III edition of the Workshop on Unifying Representations in Neural Models (UniReps 2025)

DISCO: A Browser-Based Privacy-Preserving Framework for Distributed Collaborative Learning

DISCO：一种基于浏览器的隐私保护分布式协作学习框架

Julien T. T. Vignoud, Valérian Rousset, Hugo El Guedj, Ignacio Aleman, Walid Bennaceur, Batuhan Faik Derinbay, Eduard Ďurech, Damien Gengler, Lucas Giordano, Felix Grimberg, Franziska Lippoldt, Christina Kopidaki, Jiafan Liu, Lauris Lopata, Nathan Maire, Paul Mansat, Martin Milenkoski, Emmanuel Omont, Güneş Özgün, Mina Petrović, Francesco Posa, Morgan Ridel, Giorgio Savini, Marcel Torne, Lucas Trognon, Alyssa Unell, Olena Zavertiaieva, Sai Praneeth Karimireddy, Tahseen Rabbani, Mary-Anne Hartley, Martin Jaggi

机构 * EPFL（瑞士联邦理工学院） ； University of Chicago（芝加哥大学） 纠错

AI总结 DISCO提供了一种基于浏览器的隐私保护分布式协作学习框架，允许非技术人员无需编程知识即可共同构建机器学习模型。

Temporally Compressed 3D Gaussian Splatting for Dynamic Scenes

时域压缩的3D高斯点散布用于动态场景

Saqib Javed, Ahmad Jarrar Khan, Corentin Dumery, Chen Zhao, Mathieu Salzmann

机构 * EPFL（苏黎世联邦理工学院） ； CVLab（计算机视觉实验室） ； Swiss Data Science Center Lausanne（瑞士数据科学中心洛桑） 纠错

AI总结 提出时域压缩的3D高斯点散布技术，用于高效压缩动态场景的3D高斯表示，实现内存使用减少和渲染效率提升。

Comments Accepted at British Machine Vision Conference (BMVC) 2025