高校专区
可解释性≠可理解性：对比思维链推理中的主观判断重要性与实际重要性
机构 * ETH Zürich（苏黎世联邦理工学院） ； MIT（麻省理工学院） ； Cohere（科here公司）
AI总结 该研究对比思维链推理的可理解性与实际重要性，发现LLM评判识别高优势步骤的能力有限，微调步骤级批评家仅对错误响应有效，警示勿将推理轨迹可理解性等同于可解释性。
Comments Published at COLM 2026
基于数字凹视的高效语义理解
机构 * Zurich University of Applied Sciences (ZHAW)（苏黎世应用科技大学） ； ETH Zürich（苏黎世联邦理工学院） ； Politecnico di Torino（都灵理工大学） ； University of Tübingen（蒂宾根大学） ； Czech Technical University（捷克技术大学）
AI总结 该研究提出轻量主动视觉流水线，通过数字凹视实现高效语义理解，在ADE20K-Object数据集上仅用少量计算即可达到接近基线的准确率，为语义分割提供高效替代方案
Comments Accepted at the 3rd Human-inspired Computer Vision Workshop at ECCV 2026
整体三维结构的稳定且可扩展的光束平差法
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） ； Australian National University（澳大利亚国立大学） ； Lund University（隆德大学）
AI总结 本文提出统一框架扩展光束平差法，将高阶几何关系建模为类相机实体，保留稀疏性并提升稳定性，在相当运行时下生成更丰富三维结构与更高几何精度。
Comments To appear at ECCV 2026. Code available as part of the LIMAP toolbox at https://github.com/cvg/limap/
KnowVis：面向视频讲座的以知识为中心的视觉摘要
机构 * City University of Hong Kong（香港城市大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 针对视频讲座线性信息传递与人类学习需构建认知网络的不匹配问题，提出KnowVis框架，生成精准清晰的视觉摘要，降低认知负荷并提升学习效果，还发布了配套教育视频数据集。
Comments This work is published on EMNLP 2026 (Findings). Our code and dataset are available at https://github.com/yixu-cityu/KnowVis and https://huggingface.co/datasets/yixu-cityu/KnowVis
用于稀疏隐式神经形状补全的观测条件潜在能量先验
机构 * University of Zurich（苏黎世大学） ； University Hospital Zurich（苏黎世大学医院） ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 该研究针对稀疏隐式神经形状补全中潜在代码漂移问题，提出观测条件潜在能量先验，在两个SDF数据集上验证其可提升预训练INR解码器的观测感知能力与补全性能。
Comments Accepted for publication in the MICCAI 2026 Workshop Proceedings (LNCS) as part of Off-Grid, the 1st Workshop on Continuous Representations and Grid-Free Methods in Medical Imaging. 12 pages, 4 figures, 3 tables
TRaIL-Odom：采用自适应多普勒加权的紧耦合连续时间雷达-惯性测量单元-激光雷达里程计
机构 * Seoul National University（首尔国立大学） ； ETH Zürich（苏黎世联邦理工学院） ； Robotics and AI Institute（机器人与人工智能研究院）
AI总结 TRaIL-Odom提出紧耦合雷达-IMU-激光雷达里程计的自适应多普勒加权模块，在13个序列上达SOTA，退化场景优势显著， ablation实验降RMSE ATE和RTE达86.0%、78.5%。
Comments Accepted for publication at the IEEE Robotics and Automation Letters on 23 August, 2026
SWIM：基于熟练度条件生成的学生写作模拟
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心）
AI总结 本研究提出SWIM任务，评估提示、SFT、RL方法在学生写作模拟中的表现，发现明确监督比单独提示对齐效果更强，但低熟练度写作仍难复现。
Comments EMNLP 2026 Findings
ReCoSplat: 基于渲染与比较的自回归前馈高斯点云生成
机构 * University of California Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ReCoSplat通过引入渲染与比较模块，解决高斯点云生成中姿态误差问题，实现高效稳定的视角合成。
Comments v2: Corrected OF3GS evaluation results after fixing an implementation bug, added baseline evaluations, updated efficiency benchmarks following a codebase refactor, and added code and pretrained model release links
MuyBridge：基于单目视频的移动端人体质心估计，通过稀疏融合实现
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Graz（格拉茨大学） ； University of Bologna（博洛尼亚大学）
AI总结 本研究提出MuyBridge系统，通过耦合二维姿态网络与单目深度网络的稀疏融合，实现从单目手机视频流的移动端人体质心估计，在AthletePose3D数据集上取得了高精度，且可在iPhone 15上实时运行。
MV-dVRK：面向空间手术感知的多视点基准
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Erbe Group（爱尔博集团） ； Tübingen University Hospital（蒂宾根大学医院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出首个离体手术多视点基准MV-dVRK，含静态与动态手术数据，用于对比不同三维重建方法，发现多视点优化方法在1mm容差下覆盖67%真实表面点，优于前馈基础模型的43%。
TAPVid-MV：跨多视图三维任意点跟踪基准
机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 TAPVid-MV是首个针对相机运动下跨多视图长期三维点跟踪的基准，含多类场景数据，揭示几何恢复是三维点跟踪瓶颈，还支持多项相关任务。
智能体记忆是内生授权洗钱的载体
机构 * ETH Zurich（苏黎世联邦理工学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究发现LLM智能体的持久化记忆会引发内生授权洗钱问题，EAL-Bench基准评估显示虚假权限会导致高比例未授权操作，两种安全措施可降低风险但存在安全-效用权衡。
Comments 36 pages, 8 figures
MESSY STREETS：面向真实世界地址地理编码的基准测试集
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究推出MESSY STREETS基准测试集，发现商业地理编码器召回率比开源系统高49个百分点，非规范地址的候选返回率差异是主因，归一化预处理可缩小两者差距。
神经算子近似强连续凸单调半群
机构 * ETH Zurich（苏黎世联邦理工学院） ； LMU Munich（慕尼黑大学）
AI总结 该研究提出切尔诺夫-神经算子、包络-神经算子，通过迭代传播单步近似误差实现对强连续凸单调半群的通用近似，推导了定量近似率，并在多类数值例子中验证了方法的有效性。
Comments 38 pages, 6 figures
GPAgentBench-2K：复杂临床动作空间中的大语言模型智能体基准测试
机构 * ETH Zurich（苏黎世联邦理工学院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Toronto（多伦多大学）
AI总结 该研究推出首个面向初级保健临床决策的CMDP LLM智能体基准GPAgentBench-2K，评估16种LLM时发现其存在临床质量-安全差距，且C-GRPO建模约束仍未达临床安全要求。
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, Accepted to Transactions on Machine Learning Research (TMLR). OpenReview: openreview.net/forum?id=hfnMLNCCYz
Journal ref Transactions on Machine Learning Research, 2026. ISSN 2835-8856
从自由能最小化中学习神经策略组合
机构 * Scuola Superiore Meridionale, Italy（意大利南部高级学院） ； ETH, Zürich（苏黎世联邦理工学院） ； Center for Control, Dynamical Systems, and Computation, UC Santa Barbara, CA, USA（加州大学圣巴巴拉分校控制与动力系统中心） ； Department of Information and Electrical Engineering and Applied Mathematics, University of Salerno, Italy（意大利萨勒诺大学信息与电气工程及应用数学系）
AI总结 本文提出了一种基于自由能最小化的框架，通过连续时间梯度流实现策略组合，并展示了其在多智能体系统、人类决策和控制基准中的应用。
基于条件扩散后验对齐的稀疏视图CT重建
机构 * Swiss Data Science Center (SDSC) in Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）在保罗·舍勒研究所（PSI）） ； Swiss Data Science Center (SDSC) and ETH Zurich（瑞士数据科学中心（SDSC）和苏黎世联邦理工学院） ； Swiss Data Science Center (SDSC) and Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）和保罗·舍勒研究所（PSI））
AI总结 本文提出CDPA方法，结合条件扩散与显式数据一致性，解决稀疏视图CT重建中3D体积扩展问题，通过2D U-Net模型提升切片一致性，并在合成和真实CBCT数据上取得最佳性能。
面向基于机器学习的逆设计问题的条件流匹配
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 本研究将条件流匹配（CFM）集成至EngiOpt，在EngiBench的两项基准任务上对比条件扩散模型与cGAN，结果显示CFM的性能更优、采样速率更高且所需网络评估次数更少。
Comments 13 pages, 2 figures, 6 tables. Accepted for presentation at EngOpt 2026
ADAPT：用于鲁棒且可引导的在线文本驱动人形机器人控制的敏捷扩散动作先验
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 ADAPT是一种端到端人形机器人全身控制框架，通过扩散动作先验结合残差强化学习策略，实现鲁棒的文本驱动交互式控制，可用于下游任务适配并取得良好效果。
Comments Project page: https://wuyan01.github.io/ADAPT-project/
基于线元的建模逆渲染
机构 * ETH Zürich（苏黎世联邦理工学院） ； Reichman University（莱希曼大学） ； The University of Tokyo（东京大学）
AI总结 本文提出一种基于显式线段的逆渲染方法，引入随机可微线段光栅化器，在合成与真实数据集上的实验表明，该方法捕捉模糊边界的效果优于基于表面的方法，且与体积表示质量相当，可无缝集成到标准图形管线中。
Comments SIGGRAPH Asia 2026. Project page: https://kenji-tojo.github.io/sa26-line-primitives/
利用角色向量调查LLM用户模拟器中的助手偏差
机构 * KAIST（韩国科学技术院） ； University of Michigan（密歇根大学） ； Seoul National University（首尔大学） ； ETH Zürich（苏黎世联邦理工学院） ； SkillBench
AI总结 该研究针对LLM用户模拟器的助手偏差，通过对比对话的用户与助手视角提取用户角色向量，证实偏差结构可识别且用户行为可定向分析，为优化模拟器提供了表征层面依据。
Comments 35 pages
Socrates went Nuclear：在学习情境中使用脑传感技术比较AI系统的交互策略
机构 * ETH Zürich（苏黎世联邦理工学院） ； MIT Media Lab（麻省理工学院媒体实验室）
AI总结 该研究对比学习情境中三种AI交互策略，发现不受限制的ChatGPT式机器人学习增益更高，自适应辅导系统脑电参与度显著更高，且前者的成功源于即时后测而非深层学习
Comments 11 pages, 2 figures, 3 tables, to appear at The 14th International Conference on Human-Agent Interaction (HAI'26)
近绑定的大语言模型排名对家族差异项功能（Family-DIF）引导的基准重组是否具有鲁棒性？
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 该研究测试近绑定LLM排名对Family-DIF引导的基准重组的鲁棒性，发现多数基准中近绑定跨家族模型的顺序易受基准组成影响，仅第五个基准无此现象，需验证低差距排名的鲁棒性。
Comments Code and data artifacts will be released
RestoreBench：AI智能体能恢复潮流收敛吗？
机构 * ETH Zürich（苏黎世联邦理工学院） ； Politecnico di Milano（米兰理工大学） ； Harvard University（哈佛大学）
AI总结 该研究提出RestoreBench基准，在两种电网的92个潮流案例上评估多类LLM及三种架构的智能体恢复潮流收敛的能力，为电力系统智能体AI开发提供可复现基础。
S-CEReBrO：突破连续脑电图监测中的内存瓶颈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学）
AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。
Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo
基于DINOv3嵌入的时空自回归建模用于无监督异常检测
机构 * Computer Vision Lab. ETH Zurich, Zurich, Switzerland（苏黎世ETH Zurich计算机视觉实验室）
AI总结 本文提出基于DINOv3嵌入的时空自回归模型，用于高效无监督异常检测，通过显式建模patch间空间依赖性提升性能并降低计算开销。
基于深度学习的随机偏微分方程数值近似算法
机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenhen)（香港中文大学（深圳）数据科学学院和人工智能学院） ； Applied Mathematics: Institute for Analysis and Numerics, University of Münster（乌尔姆大学应用数学研究所） ； Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学数学科学系）
AI总结 该研究提出基于深度学习的SPDE近似算法，用神经网络沿驱动噪声实现近似SPDE解，经多类SPDE测试，在最高100维空间场景下可快速得到准确结果，能估计解的经验分布及均值、方差等泛函。
一次三步：对比强化学习中从动作序列学习表示
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Warsaw（华沙大学） ； Princeton University（普林斯顿大学） ； MPI IS Tubingen（图宾根马克斯·普朗克智能系统研究所） ； Warsaw University of Technology（华沙理工大学） ； IDEAS Research Institute（IDEAS研究所）
AI总结 该研究针对对比强化学习（CRL）将动作建模尺度从单步扩展至动作块，在18个与11个环境中分别实现31.7%、93.1%的性能提升，揭示动作块可改进CRL的评论者表示以提升算法效果。
用韵律预测句法结构
机构 * Georgetown University（乔治城大学） ； UC San Diego（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 该研究从信息论视角提出通用框架，利用多模态语言模型量化韵律与句法的互信息，发现韵律可降低自然对话中10.2%的句法不确定性，为相关理论提供实证支持。
Comments 15 pages, 4 figures. EMNLP 2026 camera-ready
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