ETH Zurich（苏黎世联邦理工学院）

Adapting Neural Audio Codecs to EEG

将神经音频编解码器适应于EEG

Ard Kastrati, Luca Lanzendörfer, Riccardo Rigoni, John Staib Matilla, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出将预训练的神经音频编解码器适应于EEG压缩，通过多通道扩展和注意力机制提升EEG重建质量与泛化能力。

Comments Foundation Models for the Brain and Body (BrainBodyFM@NeurIPS)

Flow Density Control: Generative Optimization Beyond Entropy-Regularized Fine-Tuning

流密度控制：超越熵正则化微调的生成优化

Riccardo De Santi, Marin Vlastelica, Ya-Ping Hsieh, Zebang Shen, Niao He, Andreas Krause

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） 纠错

AI总结 流密度控制通过简化复杂优化问题，实现超越熵正则化微调的生成模型优化，适用于分子设计和图像生成等任务。

Comments NeurIPS 2025

EvalCards: A Framework for Standardized Evaluation Reporting

EvalCards: 一个标准化评估报告的框架

Ruchira Dhar, Danae Sanchez Villegas, Antonia Karamolegkou, Alice Schiavone, Yifei Yuan, Xinyi Chen, Jiaang Li, Stella Frank, Laura De Grazia, Monorama Swain, Stephanie Brandl, Daniel Hershcovich, Anders Søgaard, Desmond Elliott

机构 * University of Copenhagen（哥本哈根大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Barcelona（巴塞罗那大学） ； Johannes Kepler University Linz（林茨约翰尼斯·开普勒大学） 纠错

AI总结 EvalCards提出了一种标准化评估报告框架，旨在提升透明度并满足新兴的治理需求。

Comments Under review

MAKO: Meta-Adaptive Koopman Operators for Learning-based Model Predictive Control of Parametrically Uncertain Nonlinear Systems

MAKO：基于元学习的Koopman算子用于参数不确定非线性系统的基于学习的模型预测控制

Minghao Han, Kiwan Wong, Adrian Wing-Keung Law, Xunyuan Yin

机构 * Water Research Institute (NEWRI), Nanyang Technological University, Singapore（新跃大学水研究 institute（NEWRI）） ； School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University, Singapore（新跃大学化学、化工与生物技术学院） ； Soft Robotics Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院软机器人实验室） ； Department of Civil and Environmental Engineering, National University of Singapore, Singapore（新加坡国立大学土木与环境工程系） 纠错

AI总结 MAKO通过元学习方法实现对参数不确定非线性系统的高效建模与预测控制，提升系统稳定性和控制效果。