On the Eligibility of LLMs for Counterfactual Reasoning: A Decompositional Study
关于大型语言模型用于反事实推理的资格性：一种分解性研究
机构 * Shuai Yang（1 阳帅） ； Qi Yang（2 杨琪）
AI总结 本文提出一种分解策略，分析LLMs在反事实推理中的表现，探讨不同任务和模态对性能的影响，以提升LLM推理系统的可靠性。
Comments ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Adaptive Width Neural Networks
自适应宽度神经网络
机构 * NEC Laboratories Europe（NEC欧洲实验室） ； University of Stuttgart（斯图加特大学）
AI总结 本文提出了一种在训练过程中自适应调整神经网络层宽度的方法，通过反向传播联合优化宽度和参数，实现性能与计算资源的平衡，并能有效压缩网络以降低计算成本。
Comments International Conference on Learning Representations (ICLR 2026)
Differentiable Rule Induction from Raw Sequence Inputs
从原始序列输入中可微分地推导规则
机构 * Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，科技研究局） ； National Institute of Informatics（国家信息研究所） ； Key Laboratory of High Confidence Software Technologies, School of Computer Science Peking University（高可信软件技术重点实验室，北京大学计算机学院）
AI总结 本文提出一种结合自监督可微分聚类与新型可微分ILP模型的方法，实现从原始数据中无显式标签泄漏地推导规则。
Comments Accepted at ICLR 2025
LiveNewsBench: Evaluating LLM Web Search Capabilities with Freshly Curated News
LiveNewsBench: 用最新整理的新闻评估大语言模型网络搜索能力
机构 * Columbia University（哥伦比亚大学） ； Barnard College（巴纳德学院）
AI总结 LiveNewsBench通过最新新闻数据评估大语言模型的网络搜索能力，提供多跳搜索和推理任务，支持大规模训练数据集构建，公开排行榜和代码。
Comments An earlier version of this work was publicly available on OpenReview as an ICLR 2026 submission in September 2025
Procedural Mistake Detection via Action Effect Modeling
通过动作效果建模实现过程性错误检测
机构 * Michigan State University（密歇根州立大学）
AI总结 本文提出通过动作效果建模实现过程性错误检测，结合语义和视觉信息，在单类分类任务中取得最佳性能。
Comments Accepted by ICLR 2026
ParoQuant: Pairwise Rotation Quantization for Efficient Reasoning LLM Inference
ParoQuant: 基于成对旋转的量化方法用于高效推理大语言模型推理
机构 * NVIDIA ； MIT（麻省理工学院） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 ParoQuant通过结合硬件高效旋转与通道缩放，有效解决推理LLMs中的异常值问题，实现更高的准确性和更低的开销。
Comments ICLR 2026 | Project page: https://paroquant.z-lab.ai | GitHub: https://github.com/z-lab/paroquant
Modal Aphasia: Can Unified Multimodal Models Describe Images From Memory?
模态失语：统一多模态模型能否从记忆中描述图像？
机构 * Michael Aerni（独立研究者） ； Joshua Swanson（独立研究者） ； Kristina Nikolić（独立研究者） ； Florian Tramèr（独立研究者）
AI总结 研究发现统一多模态模型在视觉记忆与文本表达间存在系统性缺陷，导致安全框架可能因单一模态防护而失效。
Comments Accepted to ICLR 2026
GuidedSampling: Steering LLMs Towards Diverse Candidate Solutions at Inference-Time
GuidedSampling: 在推理时间引导大语言模型生成多样化的候选解决方案
机构 * Arizona State University（亚利桑那州立大学） ； Google（谷歌）
AI总结 GuidedSampling通过解耦探索和生成阶段，在推理时提高大语言模型生成多样化候选解决方案的能力，实验表明其在多个基准测试中性能提升显著。
Comments Accepted in ICLR 2026
Learning the Inverse Temperature of Ising Models under Hard Constraints using One Sample
在硬约束下利用单个样本学习Ising模型的逆温度
机构 * University of California, Irvine（加州大学尔湾分校）
AI总结 本文提出在硬约束下利用单个样本估计Ising模型逆温度参数的方法，通过伪似然最大化设计高效估计器。
Comments Accepted to Appear in ICLR '26
Evolution of Concepts in Language Model Pre-Training
语言模型预训练中概念的演变
机构 * OpenMOSS Team, Shanghai Innovation Institute（开放MOSS团队、上海创新研究院） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文通过crosscoders方法研究语言模型预训练中特征演变，揭示特征形成与下游性能的因果关系，并发现统计学习与特征学习两个阶段。
Comments 35 pages, 35 figures. Accepted to ICLR 2026
S2R-HDR: A Large-Scale Rendered Dataset for HDR Fusion
S2R-HDR：一个大规模渲染数据集用于HDR融合
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； CPII under InnoHK（创新工场下的CPII） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 S2R-HDR通过构建大规模合成HDR数据集和S2R-Adapter领域适应方法，提升了HDR融合的泛化能力和实验性能。
Comments Accepted by ICLR 2026. Project Page:https://openimaginglab.github.io/S2R-HDR
