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。