ETH Zurich（苏黎世联邦理工学院）

Adaptive Confidence Regularization for Multimodal Failure Detection

多模态故障检测的自适应置信度正则化

Moru Liu, Hao Dong, Olga Fink, Mario Trapp

机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） 纠错

AI总结 本文提出自适应置信度正则化方法，通过检测多模态预测中的置信度退化，提升故障识别的可靠性。

Comments Accepted by CVPR 2026

Tiny-DroNeRF: Tiny Neural Radiance Fields aboard Federated Learning-enabled Nano-drones

Tiny-DroNeRF：基于联邦学习的纳无人机上的轻量神经辐射场

Ilenia Carboni, Elia Cereda, Lorenzo Lamberti, Daniele Malpetti, Francesco Conti, Daniele Palossi

机构 * Dalle Molle Institute for Artificial Intelligence, USI-SUPSI（达摩院人工智能研究所，USI-SUPSI） ； Integrated Systems Laboratory, ETH Zürich（集成系统实验室，ETH Zurich） ； Department of Electrical, Electronic and Information Engineering, University of Bologna（电子、电气与信息工程系，博洛尼亚大学） 纠错

AI总结 Tiny-DroNeRF通过联邦学习在纳无人机上实现轻量级NeRF训练，显著降低内存占用并提升3D重建精度。

Comments This paper has been accepted for publication in the IEEE ICRA 2026 conference. ©2026 IEEE

Nonlinear System Identification Nano-drone Benchmark

非线性系统辨识纳无人机基准

Riccardo Busetto, Elia Cereda, Marco Forgione, Gabriele Maroni, Dario Piga, Daniele Palossi

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫尔人工智能研究所） ； USI-SUPSI ； Integrated Systems Laboratory (IIS)（集成系统实验室） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本研究提出一个基于纳无人机的非线性系统辨识基准，通过75000个真实数据样本，评估识别方法在复杂动态和噪声环境下的性能。

Sample-efficient and Scalable Exploration in Continuous-Time RL

在连续时间强化学习中实现高效且可扩展的探索

Klemens Iten, Lenart Treven, Bhavya Sukhija, Florian Dörfler, Andreas Krause

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出COMBRL算法，通过结合外在奖励和模型不确定性，实现连续时间强化学习中的高效样本利用和可扩展性。

Comments 28 pages, 8 figures, 6 tables. Published as a conference paper at ICLR 2026

Optimistic Task Inference for Behavior Foundation Models

乐观任务推断用于行为基础模型

Thomas Rupf, Marco Bagatella, Marin Vlastelica, Andreas Krause

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） 纠错

AI总结 OpTI-BFM通过测试时与环境的交互，优化奖励函数推断，减少数据和计算开销。

Comments ICLR 2026

CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation

CAIMAN：用于样本高效移动-操作的因果动作影响检测

Yuanchen Yuan, Jin Cheng, Núria Armengol Urpí, Stelian Coros

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 CAIMAN通过因果动作影响作为内在动机目标，提升腿部机器人在稀疏奖励下的样本效率和移动-操作能力。

The GeometricKernels Package: Heat and Matérn Kernels for Geometric Learning on Manifolds, Meshes, and Graphs

几何核包：用于流形、网格和图上几何学习的热核和Matérn核

Peter Mostowsky, Vincent Dutordoir, Iskander Azangulov, Noémie Jaquier, Michael John Hutchinson, Aditya Ravuri, Leonel Rozo, Alexander Terenin, Viacheslav Borovitskiy

机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Italian Institute of Artificial Intelligence for Industry（意大利人工智能工业研究所） ； Cornell University（康奈尔大学） ； ETH Zürich and University of Edinburgh（苏黎世联邦理工学院和爱丁堡大学） 纠错

AI总结 GeometricKernels 是一个用于几何学习的Python包，实现了热核和Matérn核，支持在流形、网格和图上进行不确定性量化和自动微分。

Journal ref Journal of Machine Learning Research, 2025

PleaSQLarify: Visual Pragmatic Repair for Natural Language Database Querying

PleaSQLarify: 自然语言数据库查询中的视觉语用修复

Robin Shing Moon Chan, Rita Sevastjanova, Mennatallah El-Assady

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 PleaSQLarify通过视觉交互和可解释决策变量实现自然语言数据库查询中的语用修复，提升用户对歧义的控制与解决效率。

Comments Accepted at CHI'26, main track

Super-resolution of turbulent reacting flows on complex meshes using graph neural networks

利用图神经网络在复杂网格上实现湍流反应流的超分辨率

Priyabrat Dash, Konduri Aditya, Christos E. Frouzakis, Mathis Bode

机构 * FLAME Laboratory, Department of Computational and Data Sciences, Indian Institute of Science, Bengaluru, 560012, India（印度科学研究院流体动力学与能源实验室，班加罗尔） ； CAPS Laboratory, Department of Mechanical and Process Engineering, ETH Zürich, 8092 Zürich, Switzerland（苏黎世联邦理工学院机械与过程工程实验室，苏黎世） ； Jülich Supercomputing Centre, Forschungszentrum Jülich GmbH, Jülich, 52425, Germany（尤利希超算中心，尤利希） 纠错

AI总结 本文提出利用图神经网络在复杂网格上实现湍流反应流的超分辨率重建，通过两个案例验证了方法在准确恢复细尺度特征方面的有效性。

GRAIL: Post-hoc Compensation by Linear Reconstruction for Compressed Networks

GRAIL: 通过线性重建进行压缩网络的后验补偿

Wenwu Tang, Dong Wang, Lothar Thiele, Olga Saukh

机构 * Graz University of Technology（格拉茨技术大学） ； Complexity Science Hub（复杂性科学中心） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 GRAIL通过线性重建在压缩网络后恢复精度，无需微调，适用于多种模型和压缩场景。

Comments Conference on Parsimony and Learning (CPAL)

V-MORALS: Visual Morse Graph-Aided Estimation of Regions of Attraction in a Learned Latent Space

V-MORALS: 基于视觉莫尔斯图的学得潜在空间中吸引区域估计

Faiz Aladin, Ashwin Balasubramanian, Lars Lindemann, Daniel Seita

机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Automatic Control Laboratory, ETH Zürich（瑞士苏黎世联邦理工学院自动控制实验室） 纠错

AI总结 V-MORALS通过学习潜在空间生成莫尔斯图，实现无需全状态信息的吸引区域估计，适用于仅使用传感器数据的机器人系统分析。

SimAB: Simulating A/B Tests with Persona-Conditioned AI Agents for Rapid Design Evaluation

SimAB：基于人格条件化AI代理的A/B测试模拟用于快速设计评估

Tim Rieder, Marian Schneider, Mario Truss, Vitaly Tsaplin, Alina Rublea, Sinem Dere, Francisco Chicharro Sanz, Tobias Reiss, Mustafa Doga Dogan

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

AI总结 SimAB通过人格条件化AI代理模拟A/B测试，实现快速设计评估，准确率达67%，在高置信度案例中提升至83%。

Comments 18 pages

Investigating Disability Representations in Text-to-Image Models

探究文本到图像模型中的残疾表示

Yang Tian, Yu Fan, Liudmila Zavolokina, Sarah Ebling

机构 * Department of Computational Linguistics University of Zurich（计算语言学系 苏黎世大学） ； Center for Law & Economics ETH Zurich（法律与经济学中心 伯尔尼联邦理工学院） ； Department of Information Systems University of Lausanne（信息系统系 瑞士洛桑大学） 纠错

AI总结 本文研究了文本到图像模型中残疾表示的问题，通过分析不同提示下的图像输出，揭示了残疾表示的不平衡，并提出通过缓解策略提升包容性。

Comments 21 pages, 9 figures. References included

Landing with the Score: Riemannian Optimization through Denoising

得分落地：通过去噪进行黎曼优化

Andrey Kharitenko, Zebang Shen, Riccardo de Santi, Niao He, Florian Doerfler

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出通过去噪实现黎曼优化的方法，利用数据分布与扩散模型的分数函数连接，解决隐式流形上的优化问题。

Comments 41 pages, 9 figures

Domain Generalization and Adaptation in Intensive Care with Anchor Regression

重症监护中的领域泛化与适应：锚点回归

Malte Londschien, Manuel Burger, Gunnar Rätsch, Peter Bühlmann

机构 * Seminar for Statistics, ETH Zürich（统计研究所，苏黎世联邦理工学院） ； AI Center, ETH Zürich（人工智能中心，苏黎世联邦理工学院） ； Department of Computer Science, ETH Zürich（计算机科学系，苏黎世联邦理工学院） ； Swiss Institute for Bioinformatics, Zürich（瑞士生物信息学研究所） 纠错

AI总结 本文提出锚点回归和提升方法，用于重症监护领域的领域泛化与适应，通过分析不同数据阶段提升模型性能。

When Bias Meets Trainability: Connecting Theories of Initialization

当偏见遇见可训练性：连接初始化理论

Alberto Bassi, Marco Baity-Jesi, Aurelien Lucchi, Carlo Albert, Emanuele Francazi

机构 * ETH Zurich（苏黎世联邦理工学院） ； Eawag (ETH)（埃瓦格（ETH）） ； University of Basel（巴塞尔大学） ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文通过理论证明，揭示了深度神经网络初始化偏见与可训练性之间的联系，表明优化可训练性的初始化本质上具有偏见。

"Bespoke Bots": Diverse Instructor Needs for Customizing Generative AI Classroom Chatbots

定制化教学机器人：为多样化教师需求定制生成式AI课堂聊天机器人

Irene Hou, Zeyu Xiong, Philip J. Guo, April Yi Wang

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文研究了教师如何根据自身需求定制生成式AI课堂聊天机器人，发现教师优先考虑与课程内容和教学策略对齐的自定义能力，且不同课程规模、学科和教学风格影响优先级差异。

Comments 10 pages, 1 figure. Accepted to CHI 2026