ICLR

DESIGNER: Design-Logic-Guided Multidisciplinary Data Synthesis for LLM Reasoning

DESIGNER: 多学科数据合成用于LLM推理的设计逻辑引导

Weize Liu, Yongchi Zhao, Yijia Luo, Mingyu Xu, Jiaheng Liu, Yanan Li, Xiguo Hu, Zhiqi Bai, Yuchi Xu, Wenbo Su, Bo Zheng

机构 * Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学） 纠错

AI总结 DESIGNER通过设计逻辑引导生成多学科推理数据集，提升LLM跨学科推理能力。

Comments Accepted to ICLR 2026. Project page: https://attention-is-all-i-need.github.io/Design-Logic-Reasoning

Trust but Verify: Adaptive Conditioning for Reference-Based Diffusion Super-Resolution via Implicit Reference Correlation Modeling

信任但验证：通过隐式参考相关性建模实现基于参考的扩散超分辨率的自适应条件化

Yuan Wang, Yuhao Wan, Siming Zheng, Bo Li, Qibin Hou, Peng-Tao Jiang

机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； vivo Mobile Communication Co., Ltd.（vivo移动通信有限公司） 纠错

AI总结 本文提出Ada-RefSR，通过自适应隐式相关性门控机制，在扩散模型中实现基于参考的超分辨率，提升图像恢复的准确性和鲁棒性。

Comments 26 pages, 19 figures. Accepted to ICLR 2026

Semantic-aware Wasserstein Policy Regularization for Large Language Model Alignment

语义感知的Wasserstein策略正则化用于大语言模型对齐

Byeonghu Na, Hyungho Na, Yeongmin Kim, Suhyeon Jo, HeeSun Bae, Mina Kang, Il-Chul Moon

AI总结 本文提出Wasserstein策略正则化方法，通过语义感知的Wasserstein距离改进大语言模型对齐效果，实验表明其优于传统KL散度方法。

Comments Accepted at ICLR 2026

Toward Enhancing Representation Learning in Federated Multi-Task Settings

迈向联邦多任务设置中的表征学习增强

Mehdi Setayesh, Mahdi Beitollahi, Yasser H. Khalil, Hongliang Li

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 FedMuscle通过引入Muscle loss对比学习目标，提升联邦多任务学习中模型和任务异质性处理能力，实现更高效的数据隐私保护与性能提升。

Comments This paper has been accepted at ICLR 2026

RF-MatID: Dataset and Benchmark for Radio Frequency Material Identification

RF-MatID: 用于射频材料识别的数据集和基准

Xinyan Chen, Qinchun Li, Ruiqin Ma, Jiaqi Bai, Li Yi, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） ； Ibaraki University（岩手大学） 纠错

AI总结 RF-MatID是一个大规模射频数据集，用于细粒度材料识别，包含16个细粒度类别和5个超类，覆盖4至43.5 GHz的频率范围，通过多设置多协议基准推动算法发展和实际应用。

Comments Accepted by ICLR 2026

Glance and Focus Reinforcement for Pan-cancer Screening

全景筛查中的 glance 与 focus 强化学习

Linshan Wu, Jiaxin Zhuang, Hao Chen

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

AI总结 GF-Screen 通过 glance 与 focus 强化学习框架，首次将强化学习技术应用于全景筛查中的病变定位与分割问题，有效提升了检测效率和准确性。

Comments Accepted by ICLR 2026. Code is available at https://github.com/Luffy03/GF-Screen

Adaptive Domain Shift in Diffusion Models for Cross-Modality Image Translation

扩散模型中自适应域偏移用于跨模态图像翻译

Zihao Wang, Yuzhou Chen, Shaogang Ren

机构 * Laplace Lab at University of Tennessee（田纳西大学Laplace实验室） ； University of California Riverside（加州大学河滨分校） ； University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

AI总结 本文提出了一种自适应域偏移方法，通过在扩散模型生成过程中嵌入域偏移动态，提升跨模态图像翻译的结构保真度和语义一致性。

Comments Paper accepted as a conference paper at ICLR 2026

AnyBCQ: Hardware Efficient Flexible Binary-Coded Quantization for Multi-Precision LLMs

AnyBCQ: 面向多精度大语言模型的硬件高效灵活二进制编码量化

Gunho Park, Jeongin Bae, Beomseok Kwon, Byeongwook Kim, Se Jung Kwon, Dongsoo Lee

机构 * NAVER Cloud（NAVER云） 纠错

AI总结 AnyBCQ通过硬件高效灵活的二进制编码量化技术，实现多精度大语言模型在准确性和效率之间的平衡，显著提升低精度下的准确性并提高吞吐量。

Comments ICLR 2026

Scaling Sequence-to-Sequence Generative Neural Rendering

序列到序列生成神经渲染的扩展

Shikun Liu, Kam Woh Ng, Wonbong Jang, Jiadong Guo, Junlin Han, Haozhe Liu, Yiannis Douratsos, Juan C. Pérez, Zijian Zhou, Chi Phung, Tao Xiang, Juan-Manuel Pérez-Rúa

机构 * Meta AI 纠错

AI总结 Kaleido通过统一的解码器-only rectified flow transformer实现了序列到序列生成神经渲染的扩展，能够在无显式3D表示的情况下生成多视角视图，并在多个视图设置中达到与场景优化方法相当的性能。

Comments Published at ICLR 2026. Project Page: https://shikun.io/projects/kaleido

Draft-based Approximate Inference for LLMs

基于草案的近似推理用于大语言模型

Kevin Galim, Ethan Ewer, Wonjun Kang, Minjae Lee, Hyung Il Koo, Kangwook Lee

机构 * FuriosaAI ； UW-Madison（威斯康星大学麦迪逊分校） ； Seoul National University（首尔国立大学） ； Ajou University（全州大学） ； KRAFTON 纠错

AI总结 本文提出基于草案的近似推理方法，通过结合lookahead技术和小模型预测，实现更精确的KV缓存丢弃和提示压缩，提升LLM在长上下文任务中的推理效率和准确性。

Comments Accepted to ICLR 2026

Journal ref ICLR 2026

Converge Faster, Talk Less: Hessian-Informed Federated Zeroth-Order Optimization

更快收敛，说话更少：基于Hessian的联邦零阶优化

Zhe Li, Bicheng Ying, Zidong Liu, Chaosheng Dong, Haibo Yang

机构 * Rochester Institute of Technology（罗切斯特理工大学） ； Google（谷歌） ； ComboCurve Inc.（ComboCurve公司） 纠错

AI总结 HiSo通过利用Hessian信息加速联邦零阶优化的收敛，显著提升通信效率。

Comments Accepted by ICLR 2026

CoT-RVS: Zero-Shot Chain-of-Thought Reasoning Segmentation for Videos

CoT-RVS：零样本链式推理视频对象分割

Shiu-hong Kao, Yu-Wing Tai, Chi-Keung Tang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； Dartmouth College（达特茅斯学院） 纠错

AI总结 CoT-RVS通过零样本链式推理能力，实现了对视频对象的高效分割，无需训练即可处理复杂查询和在线视频流。

Comments Accepted to ICLR 2026. Project page: https://danielshkao.github.io/cot-rvs.html. Code: https://github.com/DanielSHKao/CoT-RVS

MVAR: Visual Autoregressive Modeling with Scale and Spatial Markovian Conditioning

MVAR：具有尺度和空间马尔可夫条件的视觉自回归建模

Jinhua Zhang, Wei Long, Minghao Han, Weiyi You, Shuhang Gu

机构 * University of Electronic Science and Technology of China（电子科学与技术大学） 纠错

AI总结 MVAR通过引入尺度和空间马尔可夫假设，降低自回归建模复杂度，提升视觉生成效率与性能。

Comments Accepted to ICLR 2026. Project page: https://nuanbaobao.github.io/MVAR

Deep Ensembling with No Overhead for either Training or Testing: The All-Round Blessings of Dynamic Sparsity

深度集成无额外开销：动态稀疏性对训练和测试的全方位祝福

Shiwei Liu, Tianlong Chen, Zahra Atashgahi, Xiaohan Chen, Ghada Sokar, Elena Mocanu, Mykola Pechenizkiy, Zhangyang Wang, Decebal Constantin Mocanu

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Twente（特文特大学） 纠错

AI总结 FreeTickets通过动态稀疏训练实现高效集成，以更低的计算成本提升预测精度和鲁棒性。

Comments published in International Conference on Learning Representations (ICLR 2022)

Journal ref Proceedings of the International Conference on Machine Learning (ICLR 2022)

FlowCast: Trajectory Forecasting for Scalable Zero-Cost Speculative Flow Matching

FlowCast: 为可扩展的零成本推测性流匹配进行轨迹预测

Divya Jyoti Bajpai, Shubham Agarwal, Apoorv Saxena, Kuldeep Kulkarni, Subrata Mitra, Manjesh Kumar Hanawal

机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔分校） ； University of California, Berkeley（加州大学伯克利分校） ； Inception Labs（Inception实验室） ； Adobe Research India（Adobe印度研究） 纠错

AI总结 FlowCast通过利用流匹配模型保持恒定速度的特性，实现无需训练的高效推理，提升图像生成等任务的速度2.5倍，同时保持质量。

Comments Accepted at International Conference on Learning Representations (ICLR 2026)

DreamOn: Diffusion Language Models For Code Infilling Beyond Fixed-size Canvas

DreamOn: 用于代码填充的扩散语言模型超越固定大小画布

Zirui Wu, Lin Zheng, Zhihui Xie, Jiacheng Ye, Jiahui Gao, Shansan Gong, Yansong Feng, Zhenguo Li, Wei Bi, Guorui Zhou, Lingpeng Kong

机构 * The University of Hong Kong（香港大学） ； Kuaishou Technology（快手科技） ； Huawei Noah Ark Lab（华为诺亚实验室） ； Peking University（北京大学） 纠错

AI总结 DreamOn通过引入动态长度控制机制，解决了扩散语言模型在代码填充中因固定长度限制导致的性能问题，实现了灵活的可变长度生成。

Comments ICLR 2026

Multi-LLM Adaptive Conformal Inference for Reliable LLM Responses

多LLM自适应置信推理用于可靠的LLM响应

Kangjun Noh, Seongchan Lee, Ilmun Kim, Kyungwoo Song

机构 * Department of Applied Statistics and Data Science, Yonsei University（应用统计与数据科学系，延世大学） ； Department of Mathematical Sciences, KAIST（数学科学系，韩国科学技术院） 纠错

AI总结 多LLM自适应置信推理通过集成生成更准确的事实性分数，提升高风险领域中LLM响应的可靠性和准确性。

Comments Accepted to ICLR 2026

FutureMind: Equipping Small Language Models with Strategic Thinking-Pattern Priors via Adaptive Knowledge Distillation

FutureMind: 通过自适应知识蒸馏为小型语言模型配备战略思维模式先验

Shaoxiong Yang, Junting Li, Mengyuan Zhang, Chao Li, Wei Liu, Jian Luan

机构 * MiLM Plus, Xiaomi Inc.（小米公司） 纠错

AI总结 FutureMind通过自适应知识蒸馏为小型语言模型配备战略思维模式先验，提升其在复杂任务中的推理与检索能力。

Comments Accepted by ICLR 2026

A State-Transition Framework for Efficient LLM Reasoning

一种用于高效大语言模型推理的状态转换框架

Liang Zhang, Yu Zhao, Longyue Wang, Tianqi Shi, Weihua Luo, Kaifu Zhang, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Alibaba International Digital Commerce（阿里巴巴国际数字商务） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），文化和旅游部，中国） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出了一种基于状态转换的高效推理框架，通过线性注意力机制和状态策略提升大语言模型的推理效率和性能。

Comments ICLR 2026

PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning

PolicyFlow: 在强化学习中使用连续归一化流进行策略优化

Shunpeng Yang, Ben Liu, Hua Chen

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Southern University of Science and Technology（南方科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； LimX Dynamics 纠错

AI总结 PolicyFlow是一种基于连续归一化流的在线强化学习算法，通过减少似然计算开销实现稳定训练，并通过布朗正则化器促进多样化行为。

Comments Submitted to ICLR 2026

From Utterance to Vividity: Training Expressive Subtitle Translation LLM via Adaptive Local Preference Optimization

从话语到生动性：通过自适应局部偏好优化训练表达性字幕翻译LLM

Chaoqun Cui, Shijing Wang, Liangbin Huang, Qingqing Gu, Zhaolong Huang, Xiao Zeng, Wenji Mao

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Hujing Digital Media & Entertainment Group（华景数字媒体与娱乐集团） ； Geely AI lab（吉利AI实验室） 纠错

AI总结 本研究提出ALPO方法，通过构建多方向字幕语料库，优化翻译LLM的表达性和生动性，提升翻译质量的多维评估性能。

Comments Accepted to ICLR 2026

Toward Universal and Transferable Jailbreak Attacks on Vision-Language Models

迈向通用且可迁移的视觉-语言模型劫持攻击

Kaiyuan Cui, Yige Li, Yutao Wu, Xingjun Ma, Sarah Erfani, Christopher Leckie, Hanxun Huang

机构 * School of Computing and Information Systems, The University of Melbourne, Australia（墨尔本大学计算机与信息系） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理大学计算机与信息系） ； School of Information Technology, Deakin University, Australia（德肯大学信息科技系） ； Institute of Trustworthy Embodied AI, Fudan University, China（复旦大学可信具身人工智能研究所） 纠错

AI总结 本文提出UltraBreak，一种通用且可迁移的视觉-语言模型劫持攻击框架，通过视觉正则化和语义引导的文本监督，有效提升攻击的泛化能力和转移性能。

Comments ICLR 2026

Scalable Random Wavelet Features: Efficient Non-Stationary Kernel Approximation with Convergence Guarantees

可扩展的随机小波特征：具有收敛保证的高效非平稳核近似

Sawan Kumar, Souvik Chakraborty

机构 * Department of Applied Mechanics（应用力学系） ； Yardi School of Artificial Intelligence (ScAI)（人工智能学院（ScAI）） ； Indian Institute of Technology Delhi（德里印度理工学院） 纠错

AI总结 本文提出随机小波特征，通过小波采样构建非平稳核近似，提供理论保证并在多个数据集上验证了其在精度与效率上的优势。

Comments Accepted at ICLR 2026

Sublinear Time Quantum Algorithm for Attention Approximation

亚线性时间的注意力近似量子算法

Zhao Song, Jianfei Xue, Jiahao Zhang, Lichen Zhang

机构 * Simons Institute for the Theory of Computing, UC Berkeley（Simons理论计算研究所，伯克利大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种量子算法，以亚线性时间近似注意力矩阵的行，利用量子Nyström近似、均值估计和杠杆得分采样技术。

Comments ICLR 2026

RMFlow: Refined Mean Flow by a Noise-Injection Step for Multimodal Generation

RMFlow：通过噪声注入步骤细化均流以实现多模态生成

Yuhao Huang, Shih-Hsin Wang, Andrea L. Bertozzi, Bao Wang

机构 * Department of Mathematics and Scientific Computing and Imaging (SCI) Institute University of Utah（数学与科学计算及成像学院（SCI）院，犹他大学） ； Department of Mathematics, UCLA（数学系，加州大学洛杉矶分校） 纠错

AI总结 RMFlow通过引入噪声注入步骤，改进均流模型，实现高效多模态生成，仅需单次功能评估即可达到接近最先进的性能。

Comments Accepted to ICLR 2026

Controlling Repetition in Protein Language Models

控制蛋白质语言模型中的重复

Jiahao Zhang, Zeqing Zhang, Di Wang, Lijie Hu

机构 * Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹科技大学） 纠错

AI总结 本文提出UCCS方法，通过受约束数据集引导蛋白质生成，有效减少重复并保持折叠可靠性。

Comments Published as a conference paper at ICLR 2026

Topology and Geometry of the Learning Space of ReLU Networks: Connectivity and Singularities

ReLU网络学习空间的拓扑与几何：连通性与奇点

Marco Nurisso, Pierrick Leroy, Giovanni Petri, Francesco Vaccarino

AI总结 本研究探讨了ReLU网络学习空间的拓扑与几何特性，分析了参数空间的连通性与奇点存在，揭示了DAG结构对这些性质的影响，并通过实验验证了理论结果。

Comments Accepted to ICLR 2026. 32 pages, 13 figures

Action-Free Offline-to-Online RL via Discretised State Policies

无需动作的离线到在线强化学习 via 离散化状态策略

Natinael Solomon Neggatu, Jeremie Houssineau, Giovanni Montana

AI总结 本文提出无需动作的离线到在线强化学习方法，通过离散化状态策略提升高维问题的收敛速度和渐近性能。

Comments ICLR 2026

Bridging Degradation Discrimination and Generation for Universal Image Restoration

弥合退化鉴别与生成以实现通用图像修复

JiaKui Hu, Zhengjian Yao, Lujia Jin, Yanye Lu

机构 * Institute of Medical Technology, Peking University（北京大学医学技术学院） ； Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； China Mobile Research Institute（中国移动研究院） 纠错

AI总结 本文提出BDG方法，通过多角度多尺度灰度共生矩阵提升退化鉴别与生成能力，实现通用图像修复和超分辨率任务的性能提升。

Comments Accepted by ICLR 2026

How Far Are LLMs from Professional Poker Players? Revisiting Game-Theoretic Reasoning with Agentic Tool Use

LLMs距离专业扑克玩家还有多远？结合代理工具使用的博弈论推理再探

Minhua Lin, Enyan Dai, Hui Liu, Xianfeng Tang, Yuliang Yan, Zhenwei Dai, Jingying Zeng, Zhiwei Zhang, Fali Wang, Hongcheng Gao, Chen Luo, Xiang Zhang, Qi He, Suhang Wang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； HKUST (GZ)（香港科技大学） ； Amazon（亚马逊） ； Tsinghua University（清华大学） ； Microsoft（微软公司） 纠错

AI总结 本文提出ToolPoker框架，通过整合外部求解器和专业解释，提升LLMs在扑克博弈中的推理和游戏表现。

Comments Accepted by ICLR 2026