Swiss Federal Institute of Technology in Lausanne
PulseAugur coverage of Swiss Federal Institute of Technology in Lausanne — every cluster mentioning Swiss Federal Institute of Technology in Lausanne across labs, papers, and developer communities, ranked by signal.
- 2026-05-25 research_milestone EPFL researchers developed a new holographic volumetric 3D printing technology. 来源
- 2026-05-25 research_milestone EPFL researchers developed a new holographic volumetric 3D printing technology that is 70x faster than previous methods.
- 2026-05-24 research_milestone EPFL researchers developed a novel holographic volumetric 3D printing technique with 70x increased efficiency. 来源
- 2026-05-13 research_milestone EPFL researchers developed an AI-based generative framework for protein structures. 来源
- 2026-05-13 research_milestone EPFL researchers developed an AI framework for generating dynamic protein models. 来源
7 天有情绪数据
-
西湖大学教授力挺世界模型,认为其比LLM更适合物理世界AI
西湖大学助理教授俞凯诚正引领世界模型的研究,他认为尽管通用语言模型取得了进展,但世界模型对于AI与物理世界的交互至关重要。他的团队开发了Awomo-0.5,一个拥有40亿参数的通用世界模型,在具身智能和物理世界理解的六项国际评测中均获得最高排名。俞教授认为,世界模型是类似于Transformer的基础性技术,对于屏幕之外的AI应用,特别是机器人和复杂的物理环境至关重要。
-
新研究探讨LLM推理优化、批处理和可复现性
多篇研究论文和项目正在探索优化大型语言模型(LLM)推理的高级技术,特别关注效率和可扩展性。一篇论文介绍了BatchGen,一种用于批推理的架构,它使用序列协程计算模型来处理可变工作负载并提高GPU利用率。另一项研究“沉默的超参数”(The Silent Hyperparameter)量化了vLLM、SGLang和llama.cpp等不同的推理后端如何显著影响LLM基准测试结果和可复现性。此外,还在研究用于NVIDIA Blackwe…
-
EPFL 推出新的人工智能学士学位
瑞士洛桑联邦理工学院 (EPFL) 将推出新的人工智能学士学位课程。该课程由 EPFL 计算机与通信科学学院提供,旨在为学生提供必要的数学和计算技能。毕业生将能够开发新颖的智能系统,并批判性地评估其伦理和社会影响。预计首批学生将于 2027-2028 学年入学。
-
Anthropic 的 FlashProve 提供 LLM 来源的加密证明
Anthropic 的 Frontier Red Team 开发了 FlashProve,这是一个开源研究原型,旨在加密验证给定响应是由特定模型权重集生成的。这解决了路由服务中模型替换的担忧,确保用户获得来自预期模型的输出。虽然 FlashProve 可以证明响应的来源,但目前它的计算成本很高,需要大量的 GPU 时间并产生大的证明文件,使其不适用于广泛的生产环境。
-
ChatGPT 和生成式 AI 被洛桑联邦理工学院学生迅速采用
自 2022 年底出现以来,生成式 AI,特别是 ChatGPT,已迅速在洛桑联邦理工学院(EPFL)的学生中普及。该技术的广泛采用归因于学生适应性的学习习惯以及各种 AI 模型持续的改进和日益增长的可及性。
-
新的SOMA基准揭示MLLM在自我中心身体运动理解方面存在困难
研究人员推出SOMA,一个旨在评估多模态大语言模型(MLLM)细粒度自我中心身体运动推理能力的新基准。该基准包含1,632个经人类验证的问题,揭示了当前MLLM与人类准确性之间存在显著的性能差距。虽然评估中最强的模型Qwen3.6-27B在零样本准确率上达到了50.0%,而人类在此任务上的得分是68.5%。为解决这些局限性,研究人员还发布了一个训练数据集和一个多模态基线模型,以促进该领域的进一步研究。
-
新型神经芯片解码大脑区域间的相互作用
研究人员开发了一种新型神经芯片,能够解码不同大脑区域之间复杂的相互作用。这项发表在《自然·神经科学》上的进展是洛桑联邦理工学院与其他机构合作的成果。该芯片旨在通过分析来自大脑皮层、海马体和杏仁核等区域的信号,为深入了解大脑功能提供见解。
-
MIT研究人员开发出机器人海鹦,揭示饮食与癌症的联系,并开创绿色金属提取技术
麻省理工学院(MIT)的研究人员开发出一种能够游泳和飞行的仿生机器人,模仿海鹦和海鸥。这种“扑翼飞行-水域两栖载具”(FAAV)重不到300克,使用柔性翅膀和可控尾翼在不同介质间转换,可能为海洋探索带来新形式。另外,麻省理工学院的科学家发现,生酮饮食可能通过增加干细胞增殖来促进小肠肿瘤生长,这与其已知的对结肠癌的保护作用形成对比。此外,一位麻省理工学院的校友联合创立了Phoenix Tailings公司,该公司使用电化学工艺从采矿废料…
-
AI辅助将《我的世界》模组化植入《GTA V》原生iPhone版
一位名为0xProbability的模组制作者成功地将《我的世界》集成到《GTA V》的原生iPhone版本中,并利用Claude Opus 5.5进行编码和测试。该模组游戏允许在《GTA V》环境中进行游戏,包括在洛圣都上空飞行末影龙。这一成就建立在C22先前将《GTA V》移植到iOS和macOS的基础上,后者在iPhone 17上可达到50-60 FPS。
-
CircuitGate 通过功能建模推动 AI 在逻辑综合领域的进步
研究人员开发了 CircuitGate,这是一个用于学习与非图 (AIG) 表示的新颖框架,其分析超越了传统的门级分析。这种新方法通过显式编码全局初级输入支持并对扇入之间的重收敛进行建模,结合了受逻辑启发的布尔约束以实现功能一致性,从而专注于电路级功能建模。在 ForgeEDA、EPFL 和 ITC'99 等基准测试上的评估表明,CircuitGate 在等效门识别和信号概率预测等任务上优于现有方法,证明了其在捕获电路级功能依赖性方面的有效性。
-
复杂的KDA实现了线性注意力中的旋转,以进行高级状态跟踪
研究人员详细介绍了一种名为复杂KDA(CKDA)的新型线性注意力机制,该机制允许在内存更新中进行旋转,从而实现比以往线性模型更复杂的国家跟踪。该机制建立在Moonshot AI的Kimi Linear架构之上,使用带符号门和特定的更新参数来实现这些旋转,这对于计数和跟踪状态至关重要。这项发表在arXiv上的突破表明,CKDA可以表示复杂的有限群,显著增强了线性注意力模型的表达能力。
-
NLP研究集锦:2026年9月的4篇关键论文
本文重点介绍了2026年9月自然语言处理(NLP)领域的四篇重要研究论文。旨在告知读者NLP的最新发现和发展。所介绍的研究来自各个领先的机构和公司。
-
Apertus AI 通过 Proton 合作推出
Apertus 是一家总部位于瑞士的 AI 初创公司,通过与 Proton 的合作将其技术推向现实世界。此次合作将 Apertus 的 AI 能力与 Proton 的服务相结合,标志着从研究到实际应用的重要一步。
-
苹果研究:复杂的约束对自主机器学习代理几乎没有优势
来自苹果机器学习研究和EPFL的一篇新研究论文表明,强大的编码代理周围的“约束”或脚手架的复杂性,对于自主机器学习工程(MLE)来说,收益递减。研究发现,在相同的时间预算和底层大型语言模型(LLM)支持下,一个具有最小约束的编码代理的表现与最先进的、复杂的系统相当。这表明LLM本身是性能的主要驱动因素,而对于当前的MLE基准测试而言,大量的机器层变得多余。
-
EPFL研究人员与Proton合作,将Apertus 1.5集成到Lumo AI助手
来自EPFL、苏黎世联邦理工学院和瑞士国家超级计算中心的研究人员已与Proton合作,将他们的Apertus 1.5模型集成到Proton的AI助手Lumo中。此次合作旨在为研究人员提供其模型在实际应用中的直接反馈。
-
EPFL探讨人工智能对高等教育的变革
EPFL正通过一种新的动态形式探索人工智能对高等教育的影响。该机构正从学生、教师和学习专家的视角审视人工智能如何改变学习环境。该倡议旨在为人工智能时代不断变化的教育格局提供见解。
-
LevelSyn 使用 GNN 进行物理感知逻辑综合,改进 IC 设计
研究人员开发了 LevelSyn,一个用于物理感知逻辑综合的新框架,该框架使用异步图神经网络 (GNN) 来改进集成电路中逻辑和物理设计的集成。该方法捕获与非图 (AIG) 的结构和方向语义,以高保真度预测门坐标。LevelSyn 将这些空间洞察集成到 Berkeley ABC 框架中,在功耗降低、时序延迟和设计规则检查违规次数急剧减少方面取得了显著改进。
-
TokEval 指标预测 AI 模型性能,挑战实验室方法
研究人员开发了 TokEval,一套新的分词器指标,旨在预测 AI 语言模型的性能。该评估框架表明,内在指标可以预测模型语言建模能力,相关性高达 0.80。这些发现挑战了 AI 实验室用于选择分词器的现有方法。
-
研究发现:AI代理的最大安全风险在于精心策划的对话
EPFL自然语言处理实验室的一项新研究表明,不断发展的AI代理的主要安全隐患并非源于孤立的恶意提示,而是源于持续的、精心构建的对话互动。这项研究表明,攻击者可能会利用AI代理的对话性质来绕过安全协议并实现其目标。
-
新型 LLM 代理 SKILL 采用多模型方法优化逻辑综合
研究人员开发了 SKILL,这是一种利用多个大型语言模型和强化学习来优化逻辑综合的新型代理。该系统采用 GPT-4o 进行战略规划,Claude Sonnet 4 进行详细推理,以及 Gemini 2.5 Pro 和基于 PPO 的 RL 代理与综合工具进行交互。SKILL 包含一个自纠正模块来监控反馈并实施恢复策略,在基准测试中比现有的专家流程提高了 12.4%。