EPFL（洛桑联邦理工学院）

ColBERT-Zero: To Pre-train Or Not To Pre-train ColBERT models

ColBERT-Zero：为预训练ColBERT模型而预训练或不预训练

Antoine Chaffin, Luca Arnaboldi, Amélie Chatelain, Florent Krzakala

机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） 纠错

AI总结 ColBERT-Zero通过大规模预训练多向量模型，无需额外数据即可超越现有模型，实现新的性能突破。

Comments 9 pages, 5 tables, 2 figures

Easy Data Unlearning Bench

易于数据删除的基准

Roy Rinberg, Pol Puigdemont, Martin Pawelczyk, Volkan Cevher

机构 * epfl（苏黎世联邦理工学院） ； harvard（哈佛大学） 纠错

AI总结 本文提出了一种统一的基准测试套件，通过KLoM度量简化机器删除算法的评估，促进研究和最佳实践。

Comments ICML 2025 Workshop on Machine Unlearning for Generative AI

AMBER: A tether-deployable gripping crawler with compliant microspines for canopy manipulation

AMBER：一种可 tether 部署的抓取爬行器，配备顺应性微刺，用于树冠操作

P. A. Wigner, L. Romanello, A. Hammad, P. H. Nguyen, T. Lan, S. F. Armanini, B. B. Kocer, M. Kovac

机构 * eAviation Laboratory, TUM School of Engineering and Design（eAviation实验室，技术大学工程与设计学院） ； Laboratory of Sustainability Robotics, EMPA（可持续机器人实验室，EMPA） ； Laboratory of Sustainability Robotics, EPFL（可持续机器人实验室，瑞士联邦理工学院） ； Aerial Robotics Laboratory, Imperial College London（空域机器人实验室，伦敦帝国理工学院） ； Bristol University（布里斯托大学） 纠错

AI总结 AMBER是一种可空中部署的抓取爬行器，利用顺应性微刺轨道和双轨道旋转夹具，在树冠中实现自适应移动和操作，具备低功耗、高机动性的特点。

Evaluating Language Model Agency through Negotiations

通过谈判评估语言模型的代理能力

Tim R. Davidson, Veniamin Veselovsky, Martin Josifoski, Maxime Peyrard, Antoine Bosselut, Michal Kosinski, Robert West

机构 * EPFL（瑞士联邦理工学院） ； UGA（普罗万大学） ； CNRS（法国国家科学研究中心） ； LIG（里莫恩-盖朗实验室） ； Stanford University（斯坦福大学） 纠错

AI总结 通过谈判游戏评估语言模型的代理能力，发现封闭源模型更擅长完成任务，合作谈判游戏最具挑战性，且强模型可能输给弱对手。

Comments Accepted to ICLR 2024, code and link to project data are made available at https://github.com/epfl-dlab/LAMEN

Subtractive Modulative Network with Learnable Periodic Activations

减法调制网络与可学习周期激活

Tiou Wang, Zhuoqian Yang, Markus Flierl, Mathieu Salzmann, Sabine Süsstrunk

机构 * School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Sweden（电气工程与计算机科学学院，皇家理工学院，瑞典） ； School of Computer and Communication Sciences, EPFL, Switzerland（计算机与通信科学学院，瑞士联邦理工学院） 纠错

AI总结 SMN通过可学习周期激活和调制掩码模块，实现了高效高保真图像重建和3D NeRF新视角合成。

Comments 4 pages, 3 figures, 3 tables

Journal ref ICASSP 2026-2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)

Locomotion Mode Transitions: Tackling System- and User-Specific Variability in Lower-Limb Exoskeletons

运动模式转换：应对下肢外骨骼系统和用户特定变异

Andrea Dal Prete, Zeynep Özge Orhan, Anastasia Bolotnikova, Marta Gandolla, Auke Ijspeert, Mohamed Bouri

机构 * REHAssist Group, EPFL（EPFL 集团） ； Department of Mechanical Engineering, Politecnico di Milano（米兰理工学院机械工程系） ； BioRobotics Laboratory (BioRob), EPFL（EPFL 生物机器人实验室） ； Robotics and InteractionS Team, LAAS-CNRS（LAAS-CNRS 机器人与交互团队） ； Translational Neural Engineering Laboratory (TNE), EPFL（EPFL 转化神经工程实验室） 纠错

AI总结 本文提出两种方法，通过统计和贝叶斯优化提升下肢外骨骼运动模式转换检测精度，提高80%的准确性，强调个性化在自适应控制中的重要性。

Comments 10 pages, 11 figures