ETH Zurich（苏黎世联邦理工学院）

Kleinkram: Open Robotic Data Management

Kleinkram：开放机器人数据管理

Cyrill Püntener, Johann Schwabe, Dominique Garmier, Jonas Frey, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室） 纠错

AI总结 Kleinkram是一个开源系统，用于管理大规模机器人数据集，提供存储、索引、共享以及数据验证和基准测试的功能。

Comments for associated source code, see https://github.com/leggedrobotics/kleinkram

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

Can LLMs Make (Personalized) Access Control Decisions?

LLMs能否做出（个性化）访问控制决策？

Friederike Groschupp, Daniele Lain, Aritra Dhar, Lara Magdalena Lazier, Srdjan Čapkun

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Computing Systems Lab, Huawei Technologies Switzerland AG（华为技术瑞士有限公司计算系统实验室） 纠错

AI总结 本文研究LLMs在访问控制决策中的应用，发现其能有效反映用户偏好，但个性化可能影响安全实践。

Evaluating Objective Speech Quality Metrics for Neural Audio Codecs

评估神经音频编解码器的客观语音质量度量标准

Luca A. Lanzendörfer, Florian Grötschla

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本研究评估了神经音频编解码器的客观语音质量度量标准，通过MUSHRA测试分析主观评分与客观度量标准的相关性，发现部分度量标准与人类感知一致，但部分难以捕捉失真。

Whole-Body Inverse Dynamics MPC for Legged Loco-Manipulation

全身体态逆动力学MPC用于腿部机动操作

Lukas Molnar, Jin Cheng, Gabriele Fadini, Dongho Kang, Fatemeh Zargarbashi, Stelian Coros

机构 * Department of Mechanical and Process Engineering, ETH Zurich（机械与过程工程系，苏黎世联邦理工学院） ； Computational Robotics Lab, Department of Computer Science, ETH Zurich（计算机器人实验室，计算机科学系，苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种全身MPC框架，通过逆动力学优化实现腿部机动操作中的统一运动与力规划，实现实时80Hz性能，完成重物拉动、推箱子和擦拭白板等任务。

Comments 9 pages, 6 figures, to be published in IEEE Robotics and Automation Letters (Special Issue: Advancements in MPC and Learning Algorithms for Legged Robots)

RoPECraft: Training-Free Motion Transfer with Trajectory-Guided RoPE Optimization on Diffusion Transformers

RoPECraft：基于轨迹引导的RoPE优化实现无需训练的运动迁移

Ahmet Berke Gokmen, Yigit Ekin, Bahri Batuhan Bilecen, Aysegul Dundar

机构 * Bilkent University（比尔肯大学） ； ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute（马克斯·普朗克研究所） 纠错

AI总结 RoPECraft通过轨迹引导的RoPE优化实现无需训练的视频运动迁移，有效编码运动并提升生成质量。

Comments https://berkegokmen1.github.io/RoPECraft/

Access Controls Will Solve the Dual-Use Dilemma

访问控制将解决双重用途困境

Evžen Wybitul

机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院） 纠错

AI总结 本文提出基于访问控制的概念框架，通过验证用户访问双重用途输出，以解决人工智能安全系统在双重用途请求中的决策困境。

Comments Accepted at ICML 2025 Workshop on Technical AI Governance (TAIG)

Learning Efficient Fuse-and-Refine for Feed-Forward 3D Gaussian Splatting

学习高效的融合与细化用于前馈3D高斯散射

Yiming Wang, Lucy Chai, Xuan Luo, Michael Niemeyer, Manuel Lagunas, Stephen Lombardi, Siyu Tang, Tiancheng Sun

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） 纠错

AI总结 本文提出了一种高效的融合与细化模块，通过混合Splat-Voxel表示减少冗余并适应动态场景，实现高效且实时的3D场景重建。

Comments NeurIPS 2025, Previously titled "SplatVoxel: History-Aware Novel View Streaming without Temporal Training", Project Page: https://19reborn.github.io/SplatVoxel/

Demystifying Higher-Order Graph Neural Networks

解开高阶图神经网络的谜团

Maciej Besta, Florian Scheidl, Lukas Gianinazzi, Grzegorz Kwasniewski, Shachar Klaiman, Jürgen Müller, Torsten Hoefler

机构 * ETH Zurich（苏黎世联邦理工学院） ； BASF SE（巴斯夫股份有限公司） 纠错

AI总结 本文提出了一种HOGNN的分类法和蓝图，分析现有模型并提供选择指南及未来研究方向。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2025