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
5 天有情绪数据
-
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%。
-
3D打印声动力发动机驱动的静音无人机
EPFL的研究人员开发了一种新颖的声动力发动机，能够为微型无人机和其他小型设备提供动力。该发动机利用3D打印腔体的共振频率，通过振荡空气分子并将其通过喷嘴排出，产生定向推力。该技术已在一种达到12,000 RPM以上的静音悬停微型飞行器和一艘小型船上得到演示，并可能应用于无人机静音推进。
-
EPFL、苏黎世联邦理工学院发布 Apertus 1.5，一个大型开源多模态 LLM
EPFL、苏黎世联邦理工学院和 CSCS 推出了 Apertus 1.5，一个大型、开源、多模态的 LLM。新版本增强了推理、指令遵循和工具使用能力，旨在促进更透明的 AI 开发。
-
Modus：解码器式任意模态到任意模态多模态建模发布
研究人员发布了Modus，一种新颖的解码器式任意模态到任意模态多模态建模架构。该方法对称处理所有模态，允许在单个网络内实现任意输入和输出，无需专门的头部或损失函数。Modus在各种基准测试中表现出与现有专业和多任务模型相当的性能，所有相关材料均已开源。
-
分析发现，斯洛文尼亚语提示在大型 LLM 上表现良好
一位斯洛文尼亚开发者分析了自己向 Claude Code 提出的 2,300 条提示，发现即使存在拼写错误和混合使用的英语技术术语，使用斯洛文尼亚语进行提示也不会显著降低大型模型的性能。研究表明，大型语言模型在共享的、以英语为中心的概念空间中处理意义，因此非英语输入的影响很小。虽然小型模型可能表现出更大的性能差距，但由于包含了英语技术术语和文件路径，斯洛文尼亚语输入的 token 成本也低于预期，尽管输出 token 仍然是延迟的一个重要因素。
-
EPFL 研究人员发布受人脑启发的 MiCRo 人工智能模型
洛桑联邦理工学院（EPFL）的研究人员开发了一种名为 MiCRo（认知推理器混合体）的新人工智能模型。MiCRo 受人脑启发，为语言、逻辑、社交推理和世界知识使用了四个不同的模块。与传统的单一处理大型语言模型相比，这种方法旨在使人工智能的决策过程更加透明和可控。
-
图神经网络学习硬件设计的结构可操纵性
研究人员开发了一种量化门级网表结构可操纵性的方法，门级网表是硬件设计的基础。该分数通过分析网表图结构中的路径参与度、k-core嵌入、对称性和中心性来表征节点级灵活性。利用图神经网络学习该分数，在ISCAS85和EPFL基准测试上的实验表明，分层模型提供了最一致的排名。该方法还通过识别Trojan注入电路中不同的结构模式，展示了其效用，为功能分析提供了补充视角。
-
AI生成视频以靶向特定大脑区域
研究人员开发了一种方法来生成专门设计用于刺激大脑特定区域的AI视频。这项技术由洛桑瑞士联邦理工学院的Nevo项目展示，旨在通过视觉刺激精确靶向和激活神经通路。
-
EPFL教授：AI工具是文化产物，而非中立软件
EPFL教授Andrea Cavallaro认为，AI工具应被视为文化产物，而非中立软件。他强调了可信信息在塑造社会中的重要性，以及腐败信息（尤其是机器生成内容）可能破坏信任与合作的潜力。
-
Apple 发布 VideoFlexTok 以实现高效视频标记化
Apple 研究人员开发了 VideoFlexTok，一种新颖的视频标记化方法，它将视频表示为粗粒度到细粒度的可变长度标记序列。与传统的 3D 网格标记化不同，这种方法通过根据下游需求调整标记数量，可以更有效地训练和生成视频。VideoFlexTok 已证明在生成质量相当的情况下模型尺寸显著减小，并能在不产生高昂计算成本的情况下生成更长的视频。
-
EPFL被敦促禁止在校园餐厅菜单中使用机器翻译
一位Mastodon用户建议瑞士洛桑联邦理工学院（EPFL）应禁止在其校园餐厅的菜单和配料表中 M使用机器翻译。此建议源于对潜在食物过敏和准确信息需求的担忧。