Apple（苹果）

Adapting Self-Supervised Representations as a Latent Space for Efficient Generation

将自监督表示适配为潜在空间以实现高效生成

Ming Gui, Johannes Schusterbauer, Timy Phan, Felix Krause, Josh Susskind, Miguel Angel Bautista, Björn Ommer

机构 * Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Apple（苹果公司） 纠错

AI总结 本文提出RepTok框架，通过自监督视觉Transformer生成单连续潜在token实现图像生成，通过微调语义token嵌入和生成解码器，提升重建精度并减少训练成本。

Comments ICLR 2026, Code: https://github.com/CompVis/RepTok

BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design

BED-LLM：利用LLM和贝叶斯实验设计进行智能信息收集

Deepro Choudhury, Sinead Williamson, Adam Goliński, Ning Miao, Freddie Bickford Smith, Michael Kirchhof, Yizhe Zhang, Tom Rainforth

机构 * University of Oxford（牛津大学） ； Apple（苹果公司） ； City University of Hong Kong（香港城市大学） ； University of Somewhere（某大学） ； Institute of Something（某研究所） ； Company Ltd（某有限公司） 纠错

AI总结 本文提出了一种基于贝叶斯实验设计框架的通用方法，通过迭代选择最大化信息增益的问题来提升LLM的信息收集能力，展示了BED-LLM在20 Questions游戏中优于传统提示方法的性能。

Comments Published at the International Conference on Learning Representations 2026