Korea Advanced Institute of Science and Technology（韩国科学技术院）

Radiometrically Consistent Gaussian Surfels for Inverse Rendering

辐射一致的高斯 Surfels 用于反演渲染

Kyu Beom Han, Jaeyoon Kim, Woo Jae Kim, Jinhwan Seo, Sung-eui Yoon

机构 * School of Computing（计算机学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 RadioGS通过引入辐射一致性约束，结合高斯Surfels和二维高斯射线追踪，实现高效的反演渲染，提升对间接光照的建模精度。

Comments 9 pages, 6 figures, ICLR 2026 Oral paper

MSP-LLM: A Unified Large Language Model Framework for Complete Material Synthesis Planning

MSP-LLM：一种用于完整材料合成规划的统一大语言模型框架

Heewoong Noh, Gyoung S. Na, Namkyeong Lee, Chanyoung Park

机构 * Department of Industrial \& Systems Engineering, KAIST, Daejeon, Korea ； Graduate School of Data Science, KAIST, Daejeon, Republic of Korea ； Korea Research Institute of Chemical Technology, KRICT, Daejeon, Korea 纠错

AI总结 MSP-LLM提出一种统一的大语言模型框架，通过整合前驱材料预测和合成操作预测，有效解决材料合成规划问题。

From Conversation to Query Execution: Benchmarking User and Tool Interactions for EHR Database Agents

从对话到查询执行：为电子健康记录数据库代理构建用户和工具交互基准

Gyubok Lee, Woosog Chay, Heeyoung Kwak, Yeong Hwa Kim, Haanju Yoo, Oksoon Jeong, Meong Hi Son, Edward Choi

机构 * KAIST（韩国科学技术院） ； NAVER Cloud（NAVER云） ； Samsung Medical Center（三星医疗中心） 纠错

AI总结 EHR-ChatQA通过模拟环境评估数据库代理在处理用户查询模糊性和价值不匹配时的性能，揭示了构建安全关键EHR领域中鲁棒代理的重要性。

Comments ICLR 2026

Bilinear representation mitigates reversal curse and enables consistent model editing

双线性表示缓解反转诅咒并实现一致的模型编辑

Dong-Kyum Kim, Minsung Kim, Jea Kwon, Nakyeong Yang, Meeyoung Cha

机构 * MPI-SP（马克斯·普朗克研究所（德国）） ； SNU（首尔国立大学（韩国）） ； KAIST（韩国科学技术院（韩国）） 纠错

AI总结 双线性表示缓解语言模型的反转诅咒，通过构建内在几何结构实现一致的模型编辑。

Comments ICLR 2026

Harnessing Temporal Databases for Systematic Evaluation of Factual Time-Sensitive Question-Answering in Large Language Models

利用时间数据库对大语言模型中的事实时间敏感问答进行系统评估

Soyeon Kim, Jindong Wang, Xing Xie, Steven Euijong Whang

机构 * KAIST（韩国科学技术院） ； William & Mary（威廉与玛丽学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 TDBench通过时间数据库技术系统构建TSQA对，引入时间准确性指标，实现大语言模型时间敏感问答的可扩展和全面评估。

Comments Published in Proceedings of the 14th International Conference on Learning Representations (ICLR), 2026. Code and data are publicly available at: https://github.com/ssoy0701/tdbench.git

Generating Multi-Table Time Series EHR from Latent Space with Minimal Preprocessing

从潜在空间生成多表时间序列电子健康记录并最小化预处理

Eunbyeol Cho, Jiyoun Kim, Minjae Lee, Sungjin Park, Edward Choi

机构 * KAIST（韩国科学技术院） ； FuriosaAI 纠错

AI总结 RawMed通过最小预处理从潜在空间生成多表时间序列EHR，提升数据保真度和实用性。

Comments Accepted at NeurIPS 2025

Characterizing Pattern Matching and Its Limits on Compositional Task Structures

刻画模式匹配及其在组合任务结构中的限制

Hoyeon Chang, Jinho Park, Hanseul Cho, Sohee Yang, Miyoung Ko, Hyeonbin Hwang, Seungpil Won, Dohaeng Lee, Youbin Ahn, Minjoon Seo

机构 * KAIST AI（韩国科学技术院人工智能研究中心） ； UCL（伦敦大学学院） ； LG AI Research（LG人工智能研究） 纠错

AI总结 研究通过形式化模式匹配为函数等价性，分析LLMs在组合任务中的泛化能力及其限制，揭示路径模糊性对模型性能的影响，并提出链式思维的局限性。

Station2Radar: query conditioned gaussian splatting for precipitation field

Station2Radar: 基于查询条件的高斯散射用于降水场

Doyi Kim, Minseok Seo, Changick Kim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 Station2Radar通过融合自动天气站观测与卫星图像，实现高效、灵活的实时降水场生成，提升降水预报精度。

Comments This paper was accepted to ICLR 2026

AdaRank: Adaptive Rank Pruning for Enhanced Model Merging

AdaRank: 适应性秩修剪以提升模型融合

Chanhyuk Lee, Jiho Choi, Chanryeol Lee, Donggyun Kim, Seunghoon Hong

机构 * KAIST（韩国科学技术院） 纠错

AI总结 AdaRank通过自适应秩修剪技术，有效减少多任务学习中的任务干扰，提升模型融合性能。

Comments ICLR 2026. Code available at: github.com/david3684/AdaRank

Token-Efficient Item Representation via Images for LLM Recommender Systems

通过图像实现高效的物品表示用于LLM推荐系统

Kibum Kim, Sein Kim, Hongseok Kang, Jiwan Kim, Heewoong Noh, Yeonjun In, Kanghoon Yoon, Jinoh Oh, Julian McAuley, Chanyoung Park

机构 * KAIST（韩国科学技术院） ； Amazon Alexa（亚马逊Alexa） ； UC San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出I-LLMRec方法，通过利用图像替代文本描述，提高LLM推荐系统的效率和有效性，同时增强对噪声的鲁棒性。

Comments ICLR 2026