LycheeDecode: Accelerating Long-Context LLM Inference via Hybrid-Head Sparse Decoding
LycheeDecode: 通过混合头稀疏解码加速长上下文LLM推理
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院）
AI总结 LycheeDecode通过混合头稀疏解码方法，实现长上下文LLM推理的高效与高质量
Comments ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Journey to the Centre of Cluster: Harnessing Interior Nodes for A/B Testing under Network Interference
集群中心之旅：利用内部节点在存在网络干扰下的A/B测试
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Tencent Inc.（腾讯公司）
AI总结 本文提出了一种基于内部节点的A/B测试方法，通过直接平均内部节点来降低方差，并利用反事实预测器调整协变量分布偏移，以提高估计精度。
Comments ICLR 2026
Fine-Grained Activation Steering: Steering Less, Achieving More
细粒度激活引导：引导更少，实现更多
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（电子与电气工程学院，南洋理工大学，新加坡） ； Home Team Science and Technology Agency (HTX), Singapore（家庭团队科技局（HTX），新加坡）
AI总结 AUSteer通过细粒度激活引导方法，精准干预有益激活单元，提升LLM行为调整的效率与效果。
Comments ICLR 2026
From Assumptions to Actions: Turning LLM Reasoning into Uncertainty-Aware Planning for Embodied Agents
从假设到行动：将大语言模型推理转化为具有不确定性的代理规划
机构 * Department of Computer Science and Engineering, Korea University（计算机科学与工程系，韩国大学）
AI总结 PCE框架通过结构化决策树将LLM推理中的假设转化为可靠策略，提升多智能体环境下的规划效率和任务完成率。
Comments 31 pages, 10 figures, Accepted ICLR 2026
Event-T2M: Event-level Conditioning for Complex Text-to-Motion Synthesis
事件级条件化：复杂文本到动作合成的事件级条件化
AI总结 Event-T2M通过事件级条件化方法提升复杂文本到动作合成的生成质量，验证了事件定义的有效性与多事件动作生成的优越性。
Comments 28 pages, 7 figures. Accepted to ICLR 2026
Pruning for Generalization: A Transfer-Oriented Spatiotemporal Graph Framework
剪枝以提升泛化能力：一种面向转移的时空图框架
机构 * Department of Computer Science Western University London, Canada（计算机科学系 温哥华大学 加拿大伦敦）
AI总结 TL-GPSTGN通过结构感知的上下文剪枝提升时空预测模型的泛化能力与样本效率。
Comments Under review at ICLR 2026 Workshop TSALM
Benchmarking Bias Mitigation Toward Fairness Without Harm from Vision to LVLMs
面向视觉到大视觉语言模型的公平性无害基准测试
机构 * The Ohio State University（俄亥俄州立大学） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 NH-Fair提出一个统一基准，评估视觉到大视觉语言模型的公平性无害性，通过系统调优和数据增强方法减少偏见，提升公平性和准确性。
Comments Accepted at ICLR 26
RF-DETR: Neural Architecture Search for Real-Time Detection Transformers
RF-DETR：实时检测Transformer的神经架构搜索
机构 * Roboflow ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 RF-DETR通过轻量级检测Transformer和神经架构搜索，在实时检测中实现更高的精度和速度，超越现有方法。
Comments This work has been accepted to the International Conference on Learning Representations (ICLR) 2026. Project Page: https://rfdetr.roboflow.com/
Information Shapes Koopman Representation
信息形状Koopman表示
机构 * Dynamic Systems Lab, University College London（伦敦大学学院动态系统实验室） ； Department of Earth Science and Engineering, Imperial College London（伦敦帝国理工学院地球科学与工程系） ； Santa Fe Institute（圣达菲研究所） ； CEREA, ENPC and EDF R&D, Institut Polytechnique de Paris（巴黎理工学院CEREA、ENPC和EDF R&D） ； School of Statistics and Data Science, Shanghai University of Finance and Economics（上海金融学院统计与数据科学学院） ； Institute of Big Data Research, Shanghai University of Finance and Economics（上海金融学院大数据研究所）
AI总结 本文提出了一种基于信息论的拉格朗日方法，平衡Koopman表示的简洁性与表达性，通过可视化和实验验证提升了动态系统建模的性能。
Comments Published as a conference paper at ICLR 2026
Statistical Guarantees for Offline Domain Randomization
离线领域随机化的统计保证
机构 * UC Berkeley（加州大学伯克利分校） ； École Polytechnique（巴黎高等理工学院）
AI总结 本文研究了离线领域随机化（ODR）的统计保证，将其视为参数仿真器家族的最大似然估计，并在温和条件和均匀利普希茨连续性假设下提供弱一致和强一致保证，以指导下游离线强化学习的随机化分布选择。
Comments ICLR 2026
DiffVax: Optimization-Free Image Immunization Against Diffusion-Based Editing
DiffVax: 面向扩散编辑的无优化图像免疫方法
机构 * UIUC（伊利诺伊大学香槟分校） ； UT Austin（得克萨斯大学奥斯汀分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 DiffVax通过无优化的损失项实现高效的图像免疫，显著提升防御扩散编辑的速度和鲁棒性。
Comments Accepted into ICLR 2026. Project webpage: https://diffvax.github.io/
