ETH Zurich（苏黎世联邦理工学院）

EvoMorph: Counterfactual Explanations for Continuous Time-Series Extrinsic Regression Applied to Photoplethysmography

EvoMorph: 连续时间序列外源回归的反事实解释应用于光电容积图

Mesut Ceylan, Alexis Tabin, Patrick Langer, Elgar Fleisch, Filipe Barata

机构 * Centre for Digital Health Interventions, ETH Zurich（数字健康干预中心，苏黎世联邦理工学院） ； Centre for Digital Health Interventions, University of St.Gallen（数字健康干预中心，圣加伦大学） 纠错

AI总结 EvoMorph通过多目标进化框架生成生理合理的反事实解释，提升连续生物医学时间序列的可解释性和可信度。

TinyMyo: a Tiny Foundation Model for Flexible EMG Signal Processing at the Edge

TinyMyo：一种用于边缘端灵活EMG信号处理的轻量级基础模型

Matteo Fasulo, Giusy Spacone, Thorir Mar Ingolfsson, Yawei Li, Luca Benini, Andrea Cossettini

机构 * Integrated Systems Laboratory of ETH Zürich（苏黎世联邦理工学院集成系统实验室） ； University of Bologna（博洛尼亚大学） 纠错

AI总结 TinyMyo是一种轻量级EMG基础模型，通过自监督预训练实现多任务泛化，适用于低功耗边缘设备的高效信号处理。

Are Language Models Efficient Reasoners? A Perspective from Logic Programming

语言模型是高效的推理者吗？从逻辑编程的角度看

Andreas Opedal, Yanick Zengaffinen, Haruki Shirakami, Clemente Pasti, Mrinmaya Sachan, Abulhair Saparov, Ryan Cotterell, Bernhard Schölkopf

机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所） ； EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） ； Purdue University（普渡大学） 纠错

AI总结 本文从逻辑编程角度评估语言模型的推理效率，发现其在存在无关信息时推理能力下降，生成证明常包含不必要的推理步骤。

Comments NeurIPS 2025

The Open Proof Corpus: A Large-Scale Study of LLM-Generated Mathematical Proofs

开放证明语料库：大规模研究LLM生成的数学证明

Jasper Dekoninck, Ivo Petrov, Kristian Minchev, Mislav Balunovic, Martin Vechev, Miroslav Marinov, Maria Drencheva, Lyuba Konova, Milen Shumanov, Kaloyan Tsvetkov, Nikolay Drenchev, Lazar Todorov, Kalina Nikolova, Nikolay Georgiev, Vanesa Kalinkova, Margulan Ismoldayev

机构 * ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University "St. Kliment Ohridski"（INSAIT，索菲亚大学"圣克莱门特·欧赫里德斯基"） ； Institute of Mathematics and Informatics, Bulgarian Academy of Sciences（保加利亚科学院数学与信息学研究所） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 开放证明语料库通过大规模研究LLM生成的数学证明，探索自动化证明生成中的关键问题，包括自然语言与形式证明的性能差距、最终答案准确性与完整证明有效性之间的差异，以及最佳n选择对证明质量的影响。

MathArena: Evaluating LLMs on Uncontaminated Math Competitions

MathArena: 在无污染数学竞赛中评估大语言模型

Mislav Balunović, Jasper Dekoninck, Ivo Petrov, Nikola Jovanović, Martin Vechev

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

AI总结 MathArena通过评估数学竞赛中的LLM，揭示了模型在推理和证明写作上的能力与局限。

Optimal kernel regression bounds under energy-bounded noise

在能量受限噪声下核回归的最优界限

Amon Lahr, Johannes Köhler, Anna Scampicchio, Melanie N. Zeilinger

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种在能量受限噪声下核回归的最优不确定性界限方法，通过高斯过程的后验均值和协方差来实现紧致且易于计算的界限。

Deep Learning for Continuous-Time Stochastic Control with Jumps

具有跳跃的连续时间随机控制的深度学习

Patrick Cheridito, Jean-Loup Dupret, Donatien Hainaut

机构 * ETH Zurich（苏黎世联邦理工学院） ； LIDAM-ISBA UCLouvain（列日大学LIDAM-ISBA） 纠错

AI总结 本文提出了一种基于深度学习的连续时间随机控制方法，通过训练两个神经网络来解决具有跳跃的随机控制问题，并展示了其在复杂高维任务中的有效性。

Comments NeurIPS 2025

Quartet: Native FP4 Training Can Be Optimal for Large Language Models

Quartet：原生FP4训练可用于大型语言模型

Roberto L. Castro, Andrei Panferov, Soroush Tabesh, Oliver Sieberling, Jiale Chen, Mahdi Nikdan, Saleh Ashkboos, Dan Alistarh

机构 * ISTA ； Red Hat AI（红帽人工智能） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 Quartet通过原生FP4训练实现大型语言模型的高效训练，提供与FP16和FP8同等的性能。

Persistent Homology via Ellipsoids

通过椭球体进行持久同调

Niklas Canova, Sara Kališnik, Aaron Moser, Bastian Rieck, Ana Žegarac

机构 * ETH Zurich（苏黎世联邦理工学院） ； Pennsylvania State University（宾夕法尼亚州立大学） ； MIT（麻省理工学院） ； University of Fribourg（弗里堡大学） 纠错

AI总结 本文提出了一种基于椭球体的Rips型复形，用于改进拓扑数据分析中的持久同调计算，通过主成分分析估计切线空间并验证其在分类任务中的优越性。