ETH Zurich（苏黎世联邦理工学院）

BabyLM Turns 4 and Goes Multilingual: Call for Papers for the 2026 BabyLM Workshop

BabyLM四周年暨多语言研究：2026年BabyLM研讨会征文通知

Leshem Choshen, Ryan Cotterell, Mustafa Omer Gul, Jaap Jumelet, Tal Linzen, Aaron Mueller, Suchir Salhan, Raj Sanjay Shah, Alex Warstadt, Ethan Gotlieb Wilcox

机构 * IBM Research（IBM研究院） ； MIT（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Cornell University（康奈尔大学） ； University of Groningen（格罗宁根大学） ； NYU（纽约大学） ； Boston University（波士顿大学） ； University of Cambridge（剑桥大学） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（南加州大学） ； Georgetown University（乔治城大学） 纠错

AI总结 BabyLM研讨会征文通知，聚焦多语言预训练与认知建模，包含训练效率、小规模数据集、模型评估等主题

Comments 8 pages, 1 table. arXiv admin note: substantial text overlap with arXiv:2502.10645

Sound Source Localization for Spatial Mapping of Surgical Actions in Dynamic Scenes

动态场景中手术动作空间映射的声源定位

Jonas Hein, Lazaros Vlachopoulos, Maurits Geert Laurent Olthof, Bastian Sigrist, Philipp Fürnstahl, Matthias Seibold

机构 * ROCS（罗克辛研究所） ； Balgrist University Hospital（巴尔格里斯大学医院） ； University of Zurich（苏黎世大学） ； Dept. of Orthopedics（骨科部门） ； Computer Vision and Geometry Group（计算机视觉与几何组） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出一种动态手术场景中声源定位的方法，通过整合3D音频与视觉数据，提升手术场景的多模态理解能力。

egoEMOTION: Egocentric Vision and Physiological Signals for Emotion and Personality Recognition in Real-World Tasks

egoEMOTION：眼动视觉与生理信号用于现实任务中情绪与个性识别

Matthias Jammot, Björn Braun, Paul Streli, Rafael Wampfler, Christian Holz

机构 * Department of Computer Science ETH Zurich（计算机科学系，苏黎世联邦理工学院） 纠错

AI总结 egoEMOTION通过结合眼动视觉和生理信号，首次实现现实任务中情绪与个性识别的基准任务与数据集。

Comments Accepted for publication at NeurIPS 2025

Detecting and Mitigating Group Bias in Heterogeneous Treatment Effects

检测和缓解异质处理效应中的群体偏差

Joel Persson, Jurriën Bakker, Dennis Bohle, Stefan Feuerriegel, Florian von Wangenheim

机构 * Spotify ； Munich Center for Machine Learning & LMU Munich（慕尼黑机器学习中心及慕尼黑大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种统一的统计框架，用于检测和缓解随机实验中的群体偏差，通过收缩校正方法和统计检验，改进个性化定位决策的准确性。

Talking to Yourself: Defying Forgetting in Large Language Models

与自己对话：在大型语言模型中克服遗忘

Yutao Sun, Mingshuai Chen, Tiancheng Zhao, Phillip Miao, Zilun Zhang, Haozhan Shen, Ruizhe Zhu, Jianwei Yin

机构 * Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） ； Om AI Research（奥姆人工智能研究） ； Stanford University（斯坦福大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出SA-SFT方法，通过让LLM生成自我对话来缓解微调过程中的灾难性遗忘，提升领域性能并优于现有基线方法。

Tree crop mapping of South America reveals links to deforestation and conservation

南美树作物制图揭示与森林砍伐和保护的联系

Yuchang Jiang, Anton Raichuk, Xiaoye Tong, Vivien Sainte Fare Garnot, Daniel Ortiz-Gonzalo, Dan Morris, Konrad Schindler, Jan Dirk Wegner, Maxim Neumann

机构 * Google DeepMind（谷歌DeepMind） ； EcoVision Lab, DM3L, University of Zurich（EcoVision实验室、DM3L、苏黎世大学） ； University of Zurich（苏黎世大学） ； University of Copenhagen（哥本哈根大学） ； Google Research（谷歌研究） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本研究通过高分辨率树作物制图揭示南美树作物与森林砍伐的联系，为制定有效且公平的保护政策提供依据。

Breaking Agent Backbones: Evaluating the Security of Backbone LLMs in AI Agents

打破代理骨干：评估AI代理中骨干LLM的安全性

Julia Bazinska, Max Mathys, Francesco Casucci, Mateo Rojas-Carulla, Xander Davies, Alexandra Souly, Niklas Pfister

机构 * Lakera AI ； ETH Zürich（苏黎世联邦理工学院） ； UK AI Security Institute（英国人工智能安全研究所） ； OATML, University of Oxford（OATML，牛津大学） 纠错

AI总结 本文提出威胁快照框架，用于评估AI代理中LLM骨干的安全性，通过构建$b^3$基准测试揭示LLM安全性的关键影响因素。

Comments Julia Bazinska and Max Mathys contributed equally