ICLR

CRJudgeBench: Can AI Detect Plausible but Invalid Code Reviews?

CRJudgeBench：AI能否检测看似合理但无效的代码审查？

Yue Pan, Jiawei Li, Ziyuan Zhang, Xiangxin Zhao, He Ye

机构 * University College London（伦敦大学学院） ； Amazon（亚马逊） ； Zhejiang University（浙江大学） 纠错

AI总结 针对大型语言模型生成的看似合理但无效的代码审查评论，提出CRJudgeBench基准和基于仓库的智能体评判器Sentinel，通过迭代动作级学习显著提升技术可信度判断准确率。

Comments 26 pages, 5 figures, and 14 tables. Under review at ICLR 2027. Dataset available at this https URL (https://huggingface.co/datasets/dcloud347/CRJudgeBenchmark)

State Trace Rationale As Auxiliary Task in Reinforcement Learning

状态轨迹理由作为强化学习中的辅助任务

Muhammad U. Nasir, Alex Vogt, Steven D. James, Julian Togelius

机构 * University of the Witwatersrand（金山大学） ； New York University（纽约大学） 纠错

AI总结 提出STRAT辅助任务，让强化学习智能体预测自身状态文本轨迹，结合地标、路线和概览知识，在60个稀疏奖励任务中解决标准RL失败的环境，并压缩状态表示、防止秩坍缩，同时提供可读的信念描述。

Comments Under review as a conference paper at ICLR 2027

Beyond Legibility: Benchmarking Visual Text Rendering and In-Place Editing in Unified Video Generation

超越可读性：统一视频生成中视觉文本渲染与就地编辑的基准评测

Ziying Zhang, Litao Li, Junchao Liao, Tianyi Zeng, Siyu Zhu, Long Qin, Zhenghao Zhang

AI总结 针对视频生成中视觉文本易崩溃且现有基准忽视时间动态的问题，提出统一诊断基准VidScribe，覆盖四种生成模式，评测11个系统，发现能力非单一且V2V编辑是瓶颈，并提供训练信号以优化文本生成。

Comments ICLR 2027 under review

AffectReveal: Event-Grounded Emotion Recognition Beyond Visual Appearances

AffectReveal：超越视觉表象的事件锚定情感识别

Yihao Qian, Runhao Zeng, Sicheng Zhao, Feng Liang, Hongmin Cai, Mingkui Tan

机构 * South China University of Technology（华南理工大学） ； Shenzhen MSU-BIT University（深圳北理莫斯科大学） ； Tsinghua University（清华大学） 纠错

AI总结 针对视觉情感识别中仅凭表象证据不足的问题，提出事件锚定情感识别EGER及无需微调的AffectReveal框架，通过恢复并验证决定情感的事件，显著提升识别准确率。

Comments 23 pages, 5 figures, 7 tables. Submitted to ICLR 2027

What Makes High-Magnification Knowledge Transferable? A Study of Cross-Resolution Distillation in Whole-Slide Imaging

什么使得高倍率知识可迁移？全切片成像中跨分辨率蒸馏的研究

Zhiyuan Yang, Jiahao Cheng, Mahdi S. Hosseini

机构 * Concordia University（康考迪亚大学） ； Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

AI总结 本研究通过分解分析和十个病理队列实验，揭示跨分辨率蒸馏中重构教师表示与下游性能存在差距，挑战重构误差作为转移度量，并提出诊断框架。

Comments ICLR 2027 Submission

Representational Simplicity and Circuit Size Dissociate in a Threshold-Dependent Way: A Controlled Test via Adversarial Training

表征简单性与电路规模在阈值依赖方式上分离：通过对抗训练进行的受控测试

Adam Elimadi

AI总结 本研究通过对抗训练作为受控工具，首次实证检验表征简单性是否转化为电路规模简单性，发现二者在阈值依赖方式上分离，鲁棒模型在高保真度下电路更小。

Comments Under review at ICLR 2027. 21 pages, 5 figures, 12 tables

Collective Regimes in Multi-Agent LLMs under Reasoning Effort and Communication Topology

多智能体LLM中的集体状态：推理努力与通信拓扑的影响

Machiko Hirota, Akshara Nadayanur Sathis Kanna, Ujwal Kumar, Phan Xuan Tan

AI总结 本研究通过N=50个无状态LLM智能体实验，识别出同步、扭曲和类嵌合体三种集体状态，发现推理努力促进局部有序，而通信连通性驱动全局同步，且总体一致性不足以表征集体行为。

Comments Under review at ICLR 2027

Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models

超越对称智能体：小语言模型中的认知多样性与多智能体辩论

Leonardo Ferreira, Gardenia Liu, Kaden Zheng

机构 * Boston Children’s Hospital, Harvard Medical School（波士顿儿童医院，哈佛医学院） ； Harvard School of Engineering and Applied Sciences, Harvard College（哈佛工程与应用科学学院，哈佛学院） 纠错

AI总结 本研究通过23个模型和5500多次实验证明，多智能体辩论的收益并非源于认知多样性，而是集成采样效应，在匹配预算下辩论不优于自洽采样，且角色提示存在“角色税”成本。

Comments Submitted to ICLR 2027

More Programs or More Rolls? Separating Coverage from Specialization in LLM Harnesses

更多程序还是更多轮次？在LLM工具框架中区分覆盖率与专门化

Ziyang Xu, Haitian Zhong, Hao Zhou, Hao Qin, Chenhan Jin, Te Qi, Shengze Xu, Tieyong Zeng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhongguancun Academy（中关村学院） ； SINOPEC Research Institute of Petroleum Processing（中国石化石油化工科学研究院） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； Guangzhou Nanfang College（广州南方学院） 纠错

AI总结 本研究通过受控实验分离覆盖率与专门化，发现LLM工具框架的重复执行掩盖了专门化，提出任务优势需跨执行持久且可指导决策的评估标准。

Comments 26 pages, 4 figures, including references and appendices. Under review at ICLR 2027. Code: this https URL (https://github.com/StatXzy7/harness-eval)

COLLATOR: Compositional Multi-Agent Orchestration with Counterfactual Reinforcement Learning

LEMON：通过反事实强化学习学习可执行多智能体编排

Xudong Chen, Yixin Liu, Hua Wei, Kaize Ding

AI总结 LEMON通过反事实强化学习生成可执行的多智能体编排规范，整合任务特定角色、定制职责、容量级别和依赖结构，提升多智能体系统解决方案质量和执行效率。

Comments Submitted to ICLR 2027

Constructive Distortion: Improving MLLMs with Attention-Guided Image Warping

构造性失真：通过注意力引导的图像扭曲改进MLLMs

Dwip Dalal, Gautam Vashishtha, Utkarsh Mishra, Jeonghwan Kim, Madhav Kanda, Hyeonjeong Ha, Svetlana Lazebnik, Heng Ji, Unnat Jain

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Skan AI ； Texas A&M University（德克萨斯大学阿姆斯特朗分校） ； University of California, Irvine（加州大学 Irvine 分校） 纠错

AI总结 本文提出AttWarp方法，通过注意力引导的图像扭曲增强MLLMs对细节和空间关系的感知能力，提升准确性和推理能力。

Comments Accepted at ICLR 2026

Reference-Guided Machine Unlearning

基于参考的机器去学习

Jonas Mirlach, Sonia Laguna, Julia E. Vogt

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） 纠错

AI总结 本文提出ReGUn框架，通过参考引导蒸馏实现分布不可区分性，提升去学习的遗忘-实用性权衡性能。

Comments 12 pages, 1 figure, 4 tables. Accepted at three ICLR 2026 workshops: Test-Time Updates (TTU), AI with Recursive Self-Improvement (RSI), and Agents in the Wild (AIWILD)

GeoGAE: Scalable Graph-Level Autoencoding via Hyperball Cloud Representations

GeoGAE：基于超球云表示的可扩展图级自编码

Radosław Nowak, Anna Bielawska, Bogusz Stefańczyk, Maciej Sanocki, Paweł Wawrzyński

机构 * IDEAS Research Institute（IDEAS 研究院） 纠错

AI总结 本文提出GeoGAE，一种基于超球云表示的自编码器，通过Transformer实现图级嵌入与重建，解决现有方法可扩展性问题，并在多领域数据集上验证有效性。

Comments Submitted for ICLR 2027

AIM-ZO: Activation-Informed Subspace Maintenance for Zeroth-Order LLM Fine-Tuning

AIM-ZO：基于激活信息子空间维护的零阶大语言模型微调

Yue Xie, Zhi Zheng, Yunpeng Ba, Xuyang Wu, Xialiang Tong, Zhichao Lu, Tao Zhong, Zhenkun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 针对零阶大语言模型微调中扰动方向信息不足的问题，提出基于激活信息子空间维护的AIM-ZO方法，通过持续整合前向激活并解耦维护与激活宽度，在多个模型和任务上显著提升性能。

Comments Submitted to ICLR 2027

APEX-Voice: Can Voice Agents Complete Professional Workflows Through Full-Duplex Interaction

APEX-Voice：语音智能体能否通过全双工交互完成专业工作流程

Puneet Mathur, Dinesh Manocha

机构 * University of Maryland College Park（马里兰大学学院公园分校） 纠错

AI总结 APEX-Voice基准测试通过120个专业工作流程评估五个前沿语音智能体，结果显示无一超过25%的Pass@1，证明流畅对话不等于可靠完成专业工作。

Comments Under Submission to ICLR 2027

CEO Arena: Evaluating Long-Horizon Multi-Agent Decision-Making in Competitive Markets

CEO Arena：评估竞争市场中的长周期多智能体决策

An Yan, Yu Huo, Zhiwei Shang, Yiran Peng, Chenglin Wu

AI总结 本研究提出CEO Arena基准，通过匹配替换评估法在8公司500日模拟市场中测试LLM基CEO智能体的长周期竞争决策，发现多数智能体平均收益为负，为智能体竞争与市场外部性研究提供可控平台。

Comments 46 pages, 16 figures. Submitted to ICLR 2027

Jailbreak Context Lingers: Divergent Safety Routing and Its Cross-Task Predictability in Tool Agents

越狱上下文挥之不去：工具代理中的分歧安全路由及其跨任务可预测性

Xi Wang, Songlei Jian, Yiming Zhang, Bin Ji, Zhaoye Li, Ma Jun, Baosheng Wang, Jie Yu

机构 * National University of Defense Technology（国防科技大学） 纠错

AI总结 本研究揭示工具代理中越狱后安全反馈引发模型依赖的分歧行为路由，并发现关键层干预特征可跨任务预测路由结果，为安全与效用权衡提供机制视角和预测基线。

Comments 28 pages, 9 figures, 17 tabels, ICLR 2027 Under Review

Unified Target-Speaker ASR with Text and Enrollment Speech Cues

统一目标说话人语音识别：基于文本与注册语音线索

Yuxiang Mei, Yuchen Yan, Dongxing Xu, Jiaen Liang, Yanhua Long

机构 * Shanghai Normal University（上海师范大学） ； Baidu（百度） ； Unisound（云知声） 纠错

AI总结 提出统一双线索TS-ASR框架，融合文本与注册语音线索，在30,000混合语音上实现8.80% CER，优于单一线索方法。

Comments Submitted to the ICLR 2027

A Spectral Theory of Compositional Learning

组合学习的谱理论

Hugo Rydel

机构 * University of Manchester（曼彻斯特大学） 纠错

AI总结 本文通过数学分析深度线性网络的学习动态，提出组合学习的谱理论，预测组合推理的出现条件、可识别性及新证据的解锁作用，并解释人类认知中的相关现象。

Comments 22 pages, 9 figures, and 2 tables. Under review at ICLR 2027

StoryEngine: A State-Grounded Agentic Framework for Video Storytelling

StoryEngine：一种基于状态锚定的智能体视频叙事框架

Yingrui Wang, Zeqing Wang, Yeying Jin

机构 * Tencent（腾讯） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 StoryEngine提出基于状态锚定的智能体框架，通过分离语义计划与视觉观察、传播事件状态并引入修复循环，实现连贯一致的长篇视频叙事，实验全面优于现有方法。

Comments 23 pages, 4 figures, submit to ICLR

Source Anchoring for Physical Consistency in Flow Matching Models

流匹配模型中用于物理一致性的源锚定

Giulia Romoli, Filippo Ruffini, Paolo Soda

机构 * Umeå University（于默奥大学） ； Università Campus Bio-Medico di Roma（罗马生物医学自由大学） 纠错

AI总结 针对流匹配模型生成物理状态时偏离目标分布的问题，提出源锚定方法，在生成前将物理约束编码进源噪声，在多个PDE系统上最准确重现目标分布且匹配约束精度。

Comments Submitted to ICLR 2027

Chameleon: Dynamic Format Adapter for Efficient Diffusion

Chameleon：用于高效扩散模型的动态格式适配器

Arnab Sanyal, Sandeep Chinchali

机构 * UT SWARM Lab（得克萨斯大学西南偏南实验室） ； The University of Texas, Austin（得克萨斯大学奥斯汀分校） 纠错

AI总结 针对扩散模型训练后量化中固定数字格式导致性能不佳的问题，提出Chameleon框架，将格式作为离散变量按通道和时间步动态选择，在多种模型和位宽下取得最佳FID。

Comments Under Review at International Conference on Learning Representations 2027

A statistical theory for blind denoising: minimax estimation of the noise level from a single sample

盲去噪的统计理论：从单一样本对噪声水平的最小最大估计

Zhuoer Shen

AI总结 本文研究单样本盲去噪中噪声水平的最小最大估计，针对覆盖复杂度和强对数凹两类信号结构给出最优率及相应估计器，揭示信号结构决定估计难度与方法选择。

Comments 29 pages, 1 figure. Under review at ICLR 2027

VCRE-Fib: View-Conditioned Regional Evidence for Fine-Grained Ultrasound Grading of Schistosoma japonicum-Associated Liver Fibrosis

VCRE-Fib：基于视图条件区域证据的日本血吸虫相关肝纤维化细粒度超声分级

Ziyang Xu, Shuli An, Hao Zhou, Haitian Zhong, Tingting Wu, Tao Wang, Kun Yang, Tieyong Zeng

AI总结 提出VCRE-Fib框架，结合视图条件与区域证据，实现日本血吸虫肝纤维化的细粒度超声分级，显著降低分级风险并支持空间预测检查。

Comments 20 pages, 5 figures, including appendices. Submitted to ICLR 2027. Code: https://github.com/StatXzy7/vcre-fib

FedHV: Low-Overhead Hypervolume Weighting for Federated Multi-Objective Optimization

FedHV：用于联邦多目标优化的低开销超体积加权

Amirardalan Dehghanpour, Seyed Mohammad Azimi-Abarghouyi, Christopher G. Brinton

AI总结 提出FedHV，用闭式逆松弛权重实现低通信开销的联邦多目标优化，在多个非IID视觉任务上优于现有方法。

Comments Preprint; submitted to ICLR 2027

Locally Sound, Globally Insufficient: The Local-Global Gap in Multi-Hop Reasoning

局部可靠，全局不足：多跳推理中的局部-全局差距

Bohao Chu, Hendrik Damm, Qianli Wang, Hui Wang, Shuning Zhang, Christoph M. Friedrich, Norbert Fuhr

AI总结 针对多跳推理中局部可靠但全局不充分的问题，提出E-Closure方法，在训练中监督证据支持、问题对齐和答案闭合三类依赖，显著提升准确率与轨迹可靠性并降低LGG率。

Comments Submitted to ICLR 2027

Presence Is Not Faithfulness: Figurative Vehicle Intrusion in Text-to-Image Generation

存在并非忠实：文生图中的喻体侵入

Xiaoyu Ma, Chen Yang, Hao Chen

AI总结 针对文生图模型将喻体误渲染为可见物体的问题，提出VISTA基准和V-Score指标，并引入VISTA-Guard缓解策略，以提升比喻忠实度。

Comments submitted to ICLR 2027

FARE: Deep Reinforcement Learning For Fair Exposure Constrained Uncertainty Aware Financial Content Personalization

FARE：面向公平曝光约束与不确定性感知的金融内容个性化深度强化学习

Arundeep Chinta, Lucas Vinh Tran, Jay Katukuri

AI总结 FARE提出将SOV约束排序建模为深度强化学习，并引入CTR预测不确定性到策略设计，通过模块化执行层实现公平曝光，减少偏差同时最小化参与度损失。

Comments Extended version of a paper accepted to the Advances in Financial AI: Towards Agentic and Responsible Systems Workshop at ICLR 2026

COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents

COUNTERMEM：语言智能体的世界模型验证反事实记忆

Hongji Pu, Ruixiang Tang, Yongfeng Zhang

AI总结 COUNTERMEM提出一种强化学习框架，利用世界模型验证反事实记忆，提升语言智能体跨任务性能，在12个基准上平均提升12.6个百分点。

Comments 25 Pages, 8 Figures, ICLR 2027

What does FFN compression change downstream? Same-state causal restoration in diffusion language models

FFN压缩会改变下游什么？扩散语言模型中的同状态因果恢复

Shaurya Omar

AI总结 针对扩散语言模型压缩中局部误差无法反映下游影响的问题，提出同状态因果恢复（SSR）方法，通过恢复关键FFN转换，在激进压缩下恢复89.9%精度并保留36.8%计算节省。

Comments 14 pages, 3 figures, ICLR 2027 submission