ETH Zurich（苏黎世联邦理工学院）

DGFusion: Depth-Guided Sensor Fusion for Robust Semantic Perception

DGFusion：基于深度的传感器融合用于鲁棒的语义感知

Tim Broedermannn, Christos Sakaridis, Luigi Piccinelli, Wim Abbeloos, Luc Van Gool

机构 * Computer Vision Laboratory, ETH Zurich（计算机视觉实验室，苏黎世联邦理工学院） 纠错

AI总结 DGFusion通过整合深度信息提升多模态传感器融合，实现自动驾驶中的鲁棒语义感知。

Comments Code and models are available at https://github.com/timbroed/DGFusion

Solving stochastic partial differential equations using neural networks in the Wiener chaos expansion

利用神经网络在截断维纳混沌展开中求解随机偏微分方程

Ariel Neufeld, Philipp Schmocker

机构 * Nanyang Technological University, Division of Mathematical Sciences（南洋理工大学数学科学学院） ； ETH Zurich, Department of Mathematics（苏黎世联邦理工学院数学系） 纠错

AI总结 本文提出利用神经网络在维纳混沌展开中求解随机偏微分方程，并通过数值实验验证了方法的可行性与有效性。

On the Emergence and Test-Time Use of Structural Information in Large Language Models

关于大型语言模型中结构信息的出现及其测试时使用

Michelle Chao Chen, Moritz Miller, Bernhard Schölkopf, Siyuan Guo

机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； University of Cambridge（剑桥大学） 纠错

AI总结 本研究探讨了大型语言模型如何学习和利用结构信息，发现其在复杂推理任务中表现突出，但测试时组合生成能力仍受限。

Athena: Synergizing Data Prefetching and Off-Chip Prediction via Online Reinforcement Learning

Athena：通过在线强化学习协同数据预取和离芯片预测

Rahul Bera, Zhenrong Lang, Caroline Hengartner, Konstantinos Kanellopoulos, Rakesh Kumar, Mohammad Sadrosadati, Onur Mutlu

机构 * ETH Zürich（苏黎世联邦理工学院） ； NTNU（挪威技术大学） 纠错

AI总结 Athena通过在线强化学习协调预取和离芯片预测，提升性能并降低存储开销。

Journal ref 32nd IEEE International Symposium on High-Performance Computer Architecture (HPCA), 2026

Scaling Rough Terrain Locomotion with Automatic Curriculum Reinforcement Learning

通过自动课程强化学习扩展粗糙地形运动

Ziming Li, Chenhao Li, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室） ； ETH AI Center, ETH Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） 纠错

AI总结 本文提出基于学习进度的自动课程强化学习框架，使四足机器人在复杂地形上实现稳定高速运动，突破传统方法在地形适应上的限制。

Quantizing Space and Time: Fusing Time Series and Images for Earth Observation

量化空间与时间：融合时间序列和图像用于地球观测

Gianfranco Basile, Johannes Jakubik, Benedikt Blumenstiel, Thomas Brunschwiler, Juan Bernabe Moreno

机构 * IBM Research Europe（IBM欧洲研究院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出一种任务无关的多模态融合框架，通过时间序列和图像的统一表示空间提升地球观测任务的性能。

SceneSplat++: A Large Dataset and Comprehensive Benchmark for Language Gaussian Splatting

SceneSplat++: 一个大规模数据集和全面的基准用于语言高斯点云

Mengjiao Ma, Qi Ma, Yue Li, Jiahuan Cheng, Runyi Yang, Bin Ren, Nikola Popovic, Mingqiang Wei, Nicu Sebe, Luc Van Gool, Theo Gevers, Martin R. Oswald, Danda Pani Paudel

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

AI总结 SceneSplat++提出一个大规模数据集和基准，评估语言高斯点云方法，展示可推广方法在3D理解中的优势。

Comments 15 pages, codes, data and benchmark are released at https://scenesplatpp.gaussianworld.ai/