Repurposing Protein Language Models for Latent Flow-Based Fitness Optimization
重新利用蛋白质语言模型进行潜在流基于的适应度优化
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 CHASE通过重新利用预训练蛋白质语言模型的进化知识，结合潜在流匹配模型，在蛋白质设计中实现高适应度变体的高效生成。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Deep learning enables urban change profiling through alignment of historical maps
深度学习通过历史地图的对齐实现城市变化分析
机构 * Institute of Cartography（制图研究所） ； Geoinformation, ETH Zurich, Zurich, Switzerland（地理信息，苏黎世联邦理工学院，苏黎世，瑞士） ； Remote Sensing, ETH Zurich, Zurich, Switzerland（遥感，苏黎世联邦理工学院，苏黎世，瑞士）
AI总结 本文提出基于深度学习的框架，通过历史地图的对齐实现城市变化的系统性分析，揭示城市变迁的空间和时间异质性，适用于社会科学和人文学科研究。
Comments 40 pages
Revisiting Adaptive Rounding with Vectorized Reparameterization for LLM Quantization
重新审视基于向量化的重参数化适应性取整用于大语言模型量化
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； Nankai University, Tianjin, China（南开大学） ； University of Bologna, Bologna, Italy（博洛尼亚大学）
AI总结 VQRound通过向量化的重参数化方法，实现了在大语言模型量化中的高效适应性取整，以提升收敛速度并减少参数使用。
Comments 17 pages, 6 figures, 14 tables
VRGaussianAvatar: Integrating 3D Gaussian Avatars into VR
VRGaussianAvatar：将3D高斯法 avatars整合到VR中
机构 * KAIST UVR Lab（韩国科学技术院UVR实验室） ； KAIST KI-ITC ARRC（韩国科学技术院KI-ITC ARRC） ； Hansung University and ETH Zurich, Game Technology Center（翰山大学和苏黎世联邦理工学院游戏技术中心） ； ETH Zurich, Game Technology Center（苏黎世联邦理工学院游戏技术中心） ； KAIST UVR Lab and KAIST KI-ITC ARRC（韩国科学技术院UVR实验室和韩国科学技术院KI-ITC ARRC）
AI总结 VRGaussianAvatar通过HMD跟踪信号实现实时全身体3DGS avatars，采用并行流水线和双目批处理提升渲染效率，实验证明其在交互性能和外观相似性上的优势。
Comments Accepted as an IEEE TVCG paper at IEEE VR 2026 (journal track)
From Slices to Structures: Unsupervised 3D Reconstruction of Female Pelvic Anatomy from Freehand Transvaginal Ultrasound
从切片到结构：基于自由手经阴道超声的无监督3D女性盆腔解剖重建
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Basel（巴塞尔大学） ； Scanvio Medical AG（Scanvio医疗股份有限公司）
AI总结 本文提出TVGS方法，通过无监督学习从自由手经阴道超声图像实现高精度3D女性盆腔解剖重建，无需外部设备或姿态估计。
LLMs as Span Annotators: A Comparative Study of LLMs and Humans
大语言模型作为跨度标注器：大语言模型与人类的比较研究
机构 * Charles University（查理大学） ； ETH Zurich（苏黎世联邦理工学院） ； Edinburgh Napier University（爱丁堡纳皮尔大学） ； trivago N.V.（trivago公司） ； TU Darmstadt, Germany（德累斯顿理工大学）
AI总结 本文比较了大语言模型与人类在跨度标注任务中的表现，发现LLMs在成本和准确性上具有竞争力，且提供了大规模标注数据集。
Comments Accepted to the MME workshop @ EACL 2026
Improving Neuropathological Reconstruction Fidelity via AI Slice Imputation
通过AI切片插值提高神经病理性重建的保真度
机构 * Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院和哈佛医学院生物医学成像中心） ； Federal Institute of Technology (ETH), Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； BioRepository and Integrated Neuropathology (BRaIN) Laboratory and Precision Neuropathology Core, University of Washington School of Medicine（华盛顿大学医学院生物库与整合神经病学实验室及精准神经病学核心） ； Massachusetts Alzheimer Disease Research Center, MGH and Harvard Medical School（马萨诸塞州阿尔茨海默病研究中心，MGH和哈佛医学院） ； Department of Pathology, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院病理学部） ； Department of Neurological Surgery, University of Washington School of Medicine（华盛顿大学医学院神经外科部） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 本研究通过AI切片插值技术提升神经病理性重建的保真度，实现更精确的解剖学重建。
Comments 12 pages of main content, 5 pages of supplement
SynCoGen: Synthesizable 3D Molecule Generation via Joint Reaction and Coordinate Modeling
SynCoGen: 通过联合反应和坐标建模实现可合成的3D分子生成
机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（多伦多儿童医院） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院） ； Vector Institute（向量研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； Caltech（加州理工学院）
AI总结 SynCoGen通过联合反应和坐标建模实现可合成的3D分子生成，实现了分子构建块、化学反应和原子坐标的联合分布采样，在无条件小分子生成和药物发现中表现出色。
Comments ICLR 2026
Mixtera: A Data Plane for Foundation Model Training
Mixtera: 一个用于基础模型训练的数据平面
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 Mixtera是一种用于基础模型训练的数据平面，允许用户声明性地控制数据样本的比例和顺序，以提升模型训练效果。
Comments accepted at SIGMOD'26; two column layout version
