Depth Completion as Parameter-Efficient Test-Time Adaptation
深度补全作为参数高效的测试时适应
机构 * NVIDIA ； ETH Zürich（苏黎世联邦理工学院）
AI总结 CAPA通过参数高效微调方法，在测试时适应预训练的3D基础模型以实现深度补全，提升鲁棒性和多帧一致性。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Reinforcement Learning via Self-Distillation
通过自我蒸馏进行强化学习
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； MIT（麻省理工学院） ； Stanford（斯坦福大学）
AI总结 通过自我蒸馏策略优化（SDPO）提升强化学习在可验证环境中的样本效率和准确性，利用自身反馈改进策略。
AnyUp: Universal Feature Upsampling
AnyUp: 通用特征上采样
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； TU Munich（慕尼黑技术大学）
AI总结 AnyUp是一种通用特征上采样方法，无需特定编码器训练，能泛化到不同特征类型，提升上采样质量并高效应用于多种下游任务。
Comments Accepted to ICLR 2026 (Oral). Project Website: https://wimmerth.github.io/anyup/
Scaling Behavior of Discrete Diffusion Language Models
离散扩散语言模型的扩展行为
机构 * ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所）
AI总结 本研究探讨了离散扩散语言模型在不同噪声类型下的扩展行为，发现其扩展特性与自回归语言模型有显著差异，并展示了在数据受限环境下均匀扩散的潜力。
AquaROM: shape optimization pipeline for soft swimmers using parametric reduced order models
AquaROM：基于参数降阶模型的软游泳体形状优化流程
机构 * Soft Robotics Laboratory (SRL), ETH Zurich, Switzerland（软机器人实验室（SRL），苏黎世联邦理工学院，瑞士） ； Chair in Nonlinear Dynamics, ETH Zurich, Switzerland（非线性动力学教授职位，苏黎世联邦理工学院，瑞士）
AI总结 AquaROM通过参数降阶模型高效优化软游泳体形状，提升非线性系统设计效率。
Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
通过人类-人类协作的视角：一个可配置的研究平台，用于探索人类-智能体协作
机构 * Northeastern University（东北大学） ； Rice University（里士满大学） ； University of Notre Dame（诺特难大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。
Comments Accepted at CHI 2026
RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding
RAVENEA：多模态检索增强视觉文化理解的基准
机构 * University of Copenhagen（哥本哈根大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Cambridge（剑桥大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理大学）
AI总结 RAVENEA通过多模态检索增强方法提升视觉文化理解，验证了文化注释对多模态检索和下游任务的增强效果，并揭示了不同国家间性能差异。
Comments ICLR 2026; Project page: https://jiaangli.github.io/ravenea/
A feedback control optimizer for online and hardware-aware training of Spiking Neural Networks
用于在线和硬件感知训练的脉冲神经网络反馈控制优化器
机构 * Institute of Neuroinformatics, University of Zürich and ETH Zürich（神经信息学研究所，苏黎世大学和苏黎世联邦理工学院） ； ETH Zürich, Zürich, Switzerland（苏黎世联邦理工学院，苏黎世，瑞士） ； Digital Society Initiative, University of Zurich, Switzerland（数字社会倡议，苏黎世大学，瑞士） ； AI Center, ETH, Zürich, Switzerland（人工智能中心，苏黎世联邦理工学院，苏黎世，瑞士）
AI总结 本文提出了一种用于混合信号设备的脉冲神经网络反馈控制优化器，通过结合脉冲权重更新与反馈控制信号，实现可扩展的芯片级学习，提升边缘智能系统的可持续性。
A Pragmatist Robot: Learning to Plan Tasks by Experiencing the Real World
务实型机器人：通过体验现实世界学习任务规划
机构 * Robotic Systems Lab, ETH Zürich（瑞士联邦理工学院机器人系统实验室） ； ETH AI Center, ETH Zürich（瑞士联邦理工学院人工智能中心） ； Huawei Noah’s Ark Lab, London, UK（华为诺亚实验室，伦敦，英国） ； UCL Centre for AI, London, UK（伦敦大学学院人工智能中心）
AI总结 PragmaBot 通过现实世界经验学习任务规划，利用 STM 自我反思和 RAG 提高任务成功率
Comments Accepted to RA-L
