ANCRe: Adaptive Neural Connection Reassignment for Efficient Depth Scaling
ANCRe: 适应性神经连接重新分配用于高效的深度扩展
机构 * University of Minnesota（明尼苏达大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 ANCRe通过适应性神经连接重新分配，有效提升深度扩展效率，加速收敛并提高性能。
高校专区
ETH Zurich（苏黎世联邦理工学院）
On the Expressive Power of GNNs for Boolean Satisfiability
关于GNNs在布尔可满足性问题中的表达能力
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文研究了GNNs在SAT求解中的表达能力，通过WL测试发现其无法区分可满足与不可满足实例，并分析了不同SAT实例对表达性需求的影响。
Comments Accepted at ICLR 2026
Reasoning aligns language models to human cognition
推理使语言模型对齐人类认知
机构 * ETH AI Center, Zürich, Switzerland ； ETH Zürich, Switzerland ； Institute for Neuroinformatics, University of Zürich \& ETH Zürich, Switzerland ； University College London, London, United Kingdom
AI总结 本研究通过主动概率推理任务揭示语言模型与人类在不确定性决策中的差异，发现延长推理能显著提升推理性能，但对信息获取影响有限。
Comments 38 pages, 4 main figures, multiple appendix figures
Agent-Supported Foresight for AI Systemic Risks: AI Agents for Breadth, Experts for Judgment
支持智能体的前瞻性分析以应对AI系统性风险：智能体用于广度，专家用于判断
机构 * GESIS - Leibniz Institute for the Social Sciences（GESIS-莱布尼茨社会科学研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Cambridge（剑桥大学）
AI总结 本文提出了一种结合智能体和专家的前瞻性分析方法，用于评估AI系统的长期系统性风险，通过模拟智能体和专家讨论，扩大风险覆盖范围并提供上下文基础。
Comments 48 pages, 15 figures
PALM: A Dataset and Baseline for Learning Multi-subject Hand Prior
PALM: 一个多主体手先验的数据库和基线
机构 * Meta Reality Labs（Meta现实实验室） ； ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根智能系统马克斯·普朗克研究所）
AI总结 PALM是一个大规模手部数据库和基线，通过基于物理的反向渲染实现多主体手部建模和个性化虚拟角色生成。
A Unified Density Operator View of Flow Control and Merging
流控与融合的统一密度算子视角
机构 * ETH Zürich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心）
AI总结 本文提出了一种统一的概率空间框架，通过奖励引导的流融合方法，实现流控与融合的统一处理，并在分子设计和构象生成中展示了其应用。
MedVSR: Medical Video Super-Resolution with Cross State-Space Propagation
MedVSR：基于跨状态空间传播的医学视频超分辨率
机构 * The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院） ； Computer Vision Laboratory（计算机视觉实验室）
AI总结 MedVSR通过跨状态空间传播和内状态空间重建模块，提升医学视频超分辨率的重建性能和效率。
Comments ICCV 2025
Rectified Flows for Fast Multiscale Fluid Flow Modeling
校正流用于快速多尺度流体流动建模
机构 * Department of Mathematics, ETH Zürich（数学系，苏黎世联邦理工学院）
AI总结 本文提出了一种校正流代理，通过确定性ODE求解实现快速多尺度流体流动建模，显著降低推断成本并提升精度。
Differentially Private Adaptation of Diffusion Models via Noisy Aggregated Embeddings
基于噪声聚合嵌入的差分隐私扩散模型适应
机构 * Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； Google DeepMind（谷歌DeepMind） ； Yonsei University（延世大学）
AI总结 本文提出DPAgg-TI方法，利用文本逆向技术在差分隐私约束下实现扩散模型的高效个性化，优于传统DP-SGD方法。
Generalist Foundation Models from a Multimodal Dataset for 3D Computed Tomography
从多模态数据集构建通用基础模型用于三维计算机断层扫描
机构 * Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心） ； International School of Medicine, Istanbul Medipol University（伊斯坦布尔梅迪波尔大学国际医学院） ； Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Division of Intramural Research, National Institutes of Health（美国国立卫生研究院内部研究部） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Institute for Diagnostic and Interventional Radiology, University Hospital Zurich（苏黎世大学医院诊断与介入放射学研究所） ； Department Artificial Intelligence in Biomedical Engineering, FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡工业大学生物医学工程人工智能系）
AI总结 本文提出CT-RATE数据集及CT-CLIP和CT-CHAT模型，用于三维医学影像的通用基础模型研究，提升了多异常检测和病例检索性能。
Specialization after Generalization: Towards Understanding Test-Time Training in Foundation Models
专精于泛化：关于基础模型中测试时训练的理解
机构 * ETH Zürich（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）
AI总结 本文提出基础模型在测试时训练通过专精于泛化以提升性能，通过实验验证了这一机制在分布内任务中的有效性。
Comments ICLR 2026 Oral at CCFM @ NeurIPS 2025
