ETH Zurich（苏黎世联邦理工学院）

Learning Reduced Representations for Quantum Classifiers

学习量子分类器的降维表示

Patrick Odagiu, Vasilis Belis, Lennart Schulze, Panagiotis Barkoutsos, Michele Grossi, Florentin Reiter, Günther Dissertori, Ivano Tavernelli, Sofia Vallecorsa

机构 * Institute for Particle Physics and Astrophysics, ETH Zurich（粒子物理与天体物理研究所，苏黎世联邦理工学院） ； Columbia University（哥伦比亚大学） ； IBM Quantum, IBM Research – Zurich（IBM量子，IBM瑞士研究） ； European Organization for Nuclear Research (CERN)（欧洲核子研究中心） ； Institute for Quantum Electronics, ETH Zurich（量子电子研究所，苏黎世联邦理工学院） ； Fraunhofer Institute for Applied Solid State Physics IAF（应用固态物理研究所（IAF）） 纠错

AI总结 本文提出Sinkclass自编码器，通过降维提升量子分类器性能，实现对高维数据集的有效处理。

Journal ref Odagiu, P., Belis, V., Schulze, L. et al. Learning reduced representations for quantum classifiers. Quantum Mach. Intell. 7, 113 (2025)

Towards Fast and Scalable Normal Integration using Continuous Components

通过连续组件实现快速且可扩展的法线积分

Francesco Milano, Jen Jen Chung, Lionel Ott, Roland Siegwart

机构 * ETH Zurich（苏黎世联邦理工学院） ； The University of Queensland（昆士兰大学） 纠错

AI总结 本文提出通过连续组件估计实现快速且可扩展的法线积分，显著提升处理大分辨率法线图的效率。

Comments Accepted by the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026, first round. Camera-ready version. 17 pages, 9 figures, 6 tables. Code is available at https://github.com/francescomilano172/normal_integration_continuous_components

Sample-Efficient Expert Query Control in Active Imitation Learning via Conformal Prediction

通过置信预测实现高效的专家查询控制在主动模仿学习中

Arad Firouzkouhi, Omid Mirzaeedodangeh, Lars Lindemann

机构 * Department of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Department of Information Technology and Electrical Engineering, ETH Zurich（信息科技与电气工程系，苏黎世联邦理工学院） 纠错

AI总结 CRSAIL通过置信预测实现高效的专家查询控制，在主动模仿学习中减少专家查询次数，提升机器人任务的训练效率。

Is General-Purpose AI Reasoning Sensitive to Data-Induced Cognitive Biases? Dynamic Benchmarking on Typical Software Engineering Dilemmas

通用人工智能推理是否受数据诱导的认知偏差影响？典型软件工程困境中的动态基准测试

Francesco Sovrano, Gabriele Dominici, Rita Sevastjanova, Alessandra Stramiglio, Alberto Bacchelli

机构 * Collegium Helveticum, ETH Zurich（瑞士苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； University of Italian-speaking Switzerland（意大利语瑞士大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Bologna（博洛尼亚大学） 纠错

AI总结 本文通过动态基准测试框架评估GPAI在软件工程中对数据诱导认知偏差的敏感性，发现GPAI系统在面对偏见诱导语言线索时易产生错误推理。

Optimizing against Infeasible Inclusions from Data for Semantic Segmentation through Morphology

通过形态学优化对抗数据中的不可行包含以实现语义分割

Shamik Basu, Luc Van Gool, Christos Sakaridis

机构 * University Of Bologna（博洛尼亚大学） ； INSAIT（INSAIT研究所） ； Sofia University St. Kliment Ohridski（索菲亚大学圣克莱门特·欧赫里迪斯基大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 InSeIn通过提取空间类关系约束并采用可微形态学损失优化语义分割，提升预测可行性与性能。

Comments Published in 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

Gold-Medal-Level Olympiad Geometry Solving with Efficient Heuristic Auxiliary Constructions

金牌级奥林匹克几何问题求解的高效启发式辅助构造

Boyan Duan, Xiao Liang, Shuai Lu, Yaoxiang Wang, Yelong Shen, Kai-Wei Chang, Ying Nian Wu, Mao Yang, Weizhu Chen, Yeyun Gong

机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出HAGeo方法，通过高效启发式辅助构造在IMO-30基准上解决28个问题，达到金牌级性能，超越基于神经网络的AlphaGeometry方法。