ETH Zurich（苏黎世联邦理工学院）

Soft Forward-Backward Representations for Zero-shot Reinforcement Learning with General Utilities

用于具有通用效用的零样本强化学习的软前向-后向表示

Marco Bagatella, Thomas Rupf, Georg Martius, Andreas Krause

机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tubingen, Germany（智能系统马克斯·普朗克研究所） ； University of Tubingen, Tubingen, Germany（图宾根大学） 纠错

AI总结 本文提出了一种软前向-后向算法，用于解决具有通用效用的零样本强化学习问题，通过离线数据恢复随机策略并直接优化通用效用。

A Unified Framework for LLM Watermarks

为大语言模型设计统一的水印框架

Thibaud Gloaguen, Robin Staab, Nikola Jovanović, Martin Vechev

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种统一的框架，通过约束优化问题统一现有大语言模型水印方法，并揭示质量-多样性-功率的权衡，同时为设计新型水印方案提供系统性方法。

Less Is More: Scalable Visual Navigation from Limited Data

少即是多：从有限数据实现可扩展的视觉导航

Yves Inglin, Jonas Frey, Changan Chen, Marco Hutter

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利加州大学） 纠错

AI总结 本文提出Less is More方法，通过结合有限专家示范与规划器生成的监督，实现高效视觉导航。

Comments v2: Minor text edits, reference formatting fixes, and project page link added

VP Lab: a PEFT-Enabled Visual Prompting Laboratory for Semantic Segmentation

VP Lab: 一种支持PEFT的视觉提示实验室用于语义分割

Niccolo Avogaro, Thomas Frick, Yagmur G. Cinar, Daniel Caraballo, Cezary Skura, Filip M. Janicki, Piotr Kluska, Brown Ebouky, Nicola Farronato, Florian Scheidegger, Cristiano Malossi, Konrad Schindler, Andrea Bartezzaghi, Roy Assaf, Mattia Rigotti

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

AI总结 VP Lab通过E-PEFT技术提升视觉提示的语义分割性能，实现高效且交互式的模型部署。

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2025

Show or Tell? Effectively prompting Vision-Language Models for semantic segmentation

展示还是讲述？有效提示视觉-语言模型进行语义分割

Niccolo Avogaro, Thomas Frick, Mattia Rigotti, Andrea Bartezzaghi, Filip Janicki, Cristiano Malossi, Konrad Schindler, Roy Assaf

机构 * IBM Research（IBM研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出PromptMatcher，通过结合文本和视觉提示提升VLMs在语义分割中的性能，实现优于现有方法的改进。

Journal ref Transactions on Machine Learning Research, 2025

Warm Starts, Cold States: Exploiting Adiabaticity for Variational Ground-States

温启动，冷状态：利用绝热性为变分基态服务

Ricard Puig, Berta Casas, Alba Cervera-Lierta, Zoë Holmes, Adrián Pérez-Salinas

机构 * Institute of Physics, Ecole Polytechnique F\' e d\' e rale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland ； Centre for Quantum Science ； Engineering, Ecole Polytechnique F\' e d\' e rale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland ； Barcelona Supercomputing Center, Plaça Eusebi G\"uell, 1-3, 08034 Barcelona, Spain ； Institute for Theoretical Physics, ETH Zürich, 8093, Zürich, Switzerland 纠错

AI总结 本文提出了一种基于绝热原理的变分基态准备方法，通过逐步变形哈密顿量来跟踪基态流形，解决了变分训练在复杂能量景观中的困难问题。

Comments 11 + 24 pages, 3 figures

SMMILE: An Expert-Driven Benchmark for Multimodal Medical In-Context Learning

SMMILE：一个多模态医学上下文学习的专家驱动基准

Melanie Rieff, Maya Varma, Ossian Rabow, Subathra Adithan, Julie Kim, Ken Chang, Hannah Lee, Nidhi Rohatgi, Christian Bluethgen, Mohamed S. Muneer, Jean-Benoit Delbrouck, Michael Moor

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Lund University（隆德大学） ； Jawaharlal Institute of Postgraduate Medical Education and Research（贾瓦哈拉尔·尼赫鲁医学教育与研究学院） ； UCSF（加州大学旧金山分校） ； University of Zurich（苏黎世大学） ； University Hospital Zurich（苏黎世大学医院） ； HOPPR 纠错

AI总结 SMMILE是一个专家驱动的多模态医学上下文学习基准，评估了15个MLLMs在医学任务中的多模态ICL能力，发现其表现有限且易受无关示例和最近性偏见影响。

Comments NeurIPS 2025 (Datasets & Benchmarks Track)