ETH Zurich（苏黎世联邦理工学院）

Three Steps at a Time: Learning Representations from Action Sequences in Contrastive RL

一次三步：对比强化学习中从动作序列学习表示

Michal Korniak, Kamil Dybek, Benjamin Eysenbach, Marco Bagatella, Michał Bortkiewicz

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Warsaw（华沙大学） ； Princeton University（普林斯顿大学） ； MPI IS Tubingen（图宾根马克斯·普朗克智能系统研究所） ； Warsaw University of Technology（华沙理工大学） ； IDEAS Research Institute（IDEAS研究所） 纠错

AI总结 该研究针对对比强化学习（CRL）将动作建模尺度从单步扩展至动作块，在18个与11个环境中分别实现31.7%、93.1%的性能提升，揭示动作块可改进CRL的评论者表示以提升算法效果。

Using Prosody to Predict Syntactic Structure

用韵律预测句法结构

Junghyun Min, Alex Warstadt, Tamar I. Regev, Tiago Pimentel, Ethan Gotlieb Wilcox

机构 * Georgetown University（乔治城大学） ； UC San Diego（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 该研究从信息论视角提出通用框架，利用多模态语言模型量化韵律与句法的互信息，发现韵律可降低自然对话中10.2%的句法不确定性，为相关理论提供实证支持。

Comments 15 pages, 4 figures. EMNLP 2026 camera-ready

GPAgentBench-2K: Benchmarking Large Language Model Agents in Complex Clinical Action Space

GPAgentBench-2K：复杂临床动作空间中的大语言模型智能体基准测试

Boqi Chen, Xudong Liu, Yunke Ao, Heejin Do, Jianing Qiu

机构 * ETH Zurich（苏黎世联邦理工学院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Toronto（多伦多大学） 纠错

AI总结 该研究推出首个面向初级保健临床决策的CMDP LLM智能体基准GPAgentBench-2K，评估16种LLM时发现其存在临床质量-安全差距，且C-GRPO建模约束仍未达临床安全要求。

MiBOT: A head-worn robot that modulates cardiovascular responses through human-like soft massage

MiBOT：一款通过类人轻柔按摩调节心血管反应的头戴式机器人

Alice Mylaeus, Stephanie Vogt, Berken Utku Demirel, Marcel Gort, Mirko Meboldt, Manuel Meier, Christian Holz

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出头戴式按摩机器人MiBOT，采用气动人工肌肉实现静音类人按摩，经对照研究证实其可降低受试者血压与心率，为头部按摩机器人研发提供了有效方案。

Comments Published at 2024 IEEE International Conference on Robotics and Automation (ICRA)

Learning Agile Perceptive Traversal of Sparse 3D Structures for Humanoids

人形机器人对稀疏三维结构的敏捷感知遍历学习

Efe Ongan, Chong Zhang, Boyang Sun, Andrei Cramariuc, Cesar Cadena, Marco Hutter

机构 * Robotic Systems Lab（机器人系统实验室） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； Computer Vision and Geometry Group, ETH Zurich（苏黎世联邦理工学院计算机视觉与几何组） 纠错

AI总结 该研究针对人形机器人的稀疏三维结构遍历问题，提出基于强化学习的感知控制系统，结合带循环记忆的注意力编码器与分阶段师生流水线，在硬件试验中完成多序列任务且支持障碍物规避。

Event-triggered Control and Online Learning for Networked Systems under Computational Delays

计算延迟下网络化系统的事件触发控制与在线学习

Xiaobing Dai, Armin Lederer, Zewen Yang, Sihua Zhang, Lu Wan, Yang Tang, Sandra Hirche

机构 * Technical University of Munich（慕尼黑工业大学） ； ETH Zurich（苏黎世联邦理工学院） ； Eindhoven University of Technology（埃因霍温理工大学） ； East China University of Science and Technology（华东理工大学） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） 纠错

AI总结 本文针对存在计算延迟的网络化系统，提出结合异步事件触发机制的在线学习控制框架，推导跟踪误差界与事件触发条件，实现与时间触发相当的控制性能并排除芝诺行为。

ReViV: Reconstructing the Viewer and the View in 4D from Monocular Egocentric Video

ReViV：从单目自我中心视频中重建4D中的观看者和视图

Xiaozhong Lyu, Gen Li, Zhiyin Qian, Xucong Zhang, Marc Pollefeys, Siyu Tang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Delft University of Technology（代尔夫特理工大学） ； Microsoft（微软） 纠错

AI总结 研究旨在从单目自我中心视频重建4D中的观看者和视图，提出ReViV框架，将任务建模为学习多模态信号联合概率分布，由掩码生成自我中心变压器驱动，在多基准测试中展现出高精度和效率，还保持了竞争力强的自我中心深度估计，且代码模型开源。

Comments Accepted to ECCV 2026. The first two authors contributed equally, and their author order is interchangeable

NeuReasoner: Theory-grounded Mapping of Reasoning Elicitation Boundaries

NeuReasoner: 理论驱动的推理激发边界映射

Aydin Javadov, Shyngys Aitkazinov, Tobias Hoesli, Florian von Wangenheim, Bjoern Schuller, Joseph Ollier

机构 * ETH Zürich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 提出理论驱动的NeuReasoner框架，通过神经透镜与认知透镜结合，在无需外部工具下激发大模型推理能力，在数学、编码及认知任务上匹配或超越后训练思维模式，并发现风险决策等边界。

Comments Published at COLM 2026 Workshop on Agent Behavior

Why We Need Speech to Evaluate Speech Translation

为什么我们需要语音来评估语音翻译

Maike Züfle, Danni Liu, Vilém Zouhar, Jan Niehues

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文通过元评估发现现有文本和语音质量估计指标在评估语音翻译中的语音特有信息（如性别一致性和韵律）时均存在不足，并提出SpeechCOMET模型，分析其失败原因，强调需要专用训练数据和真正基于语音的模型。

DCC: Data-Centric Compilation of Machine Learning Kernels for Processing-In-Memory Architectures

DCC: 面向处理-内存架构的机器学习内核数据驱动编译

Peiming Yang, Sankeerth Durvasula, Ivan Fernandez, Mohammad Sadrosadati, Onur Mutlu, Gennady Pekhimenko, Christina Giannoula

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； ETH Zürich（苏黎世联邦理工学院） ； Nvidia（英伟达） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

AI总结 针对PIM系统中数据重排与计算代码优化相互依赖的问题，提出数据驱动的编译器DCC，通过统一调优联合优化数据重排与计算代码，在HBM-PIM和AttAcc PIM上分别实现平均2.21倍和3.92倍的加速。

Revisiting Greedy Decoding for Visual Question Answering: A Calibration Perspective

重新审视视觉问答中的贪婪解码：一种校准视角

Boqi Chen, Xudong Liu, Yunke Ao, Jianing Qiu

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） ； MBZUAI（穆桑比克人工智能研究所） 纠错

AI总结 针对视觉问答任务，从校准角度理论证明贪婪解码优于随机采样，并提出适用于推理模型的贪婪解码方法，实验验证其有效性。

Pearmut: Human Evaluation of Translation Made Trivial

Pearmut：使翻译的人工评估变得简单

Vilém Zouhar, Tom Kocmi

机构 * ETH Zurich（苏黎世联邦理工学院） ； Cohere 纠错

AI总结 Pearmut通过轻量级平台简化多语言NLP的人工评估流程，支持机器翻译任务，提供多种评估协议和动态分配策略，使人工评估成为模型开发的常规环节。

Comments EMNLP 2026 Demo, typeset with Typst

Watch your steps: Dormant Adversarial Behaviors that Activate upon LLM Finetuning

留意你的步骤：大语言模型微调时激活的潜伏对抗行为

Thibaud Gloaguen, Mark Vero, Robin Staab, Martin Vechev

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 该研究提出FAB攻击，通过元学习技术创建潜伏对抗行为的受损LLM，其在微调前表现良性，微调后会触发主动广告推送、越狱等行为，挑战了微调的安全性假设。

When LLMs Benchmark Themselves: Deconstructing Self-Bias in Automated Evaluation

当LLM自我基准测试：解构自动评估中的自我偏见

Wenda Xu, Sweta Agrawal, Vilém Zouhar, Markus Freitag, Daniel Deutsch

机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究LLM自动创建基准测试时存在的自我偏见问题，发现测试集生成和评估两个环节均产生偏见，导致模型偏爱自身输出，并提出了多样性指标以部分缓解该偏见。