ICLR

HyperKKL: Enabling Non-Autonomous State Estimation through Dynamic Weight Conditioning

HyperKKL：通过动态权重条件实现非自主状态估计

Yahia Salaheldin Shaaban, Salem Lahlou, Abdelrahman Sayed Sayed

机构 * MBZUAI（穆扎布伊人工智能研究所） ； Univ Gustave Eiffel（吉尔伯特·伊夫尔大学） 纠错

AI总结 HyperKKL通过动态权重条件方法，实现非自主非线性系统的状态估计，解决了传统KKL观测器在非自主系统中的应用难题。

Comments 18 pages, 6 figures, Accepted in ICLR 2026 AI & PDE Workshop

Joint Shadow Generation and Relighting via Light-Geometry Interaction Maps

基于光-几何交互映射的阴影生成与光照恢复

Shan Wang, Peixia Li, Chenchen Xu, Ziang Cheng, Jiayu Yang, Hongdong Li, Pulak Purkait

机构 * Amazon（亚马逊公司） ； Australian National University（澳大利亚国立大学） 纠错

AI总结 本文提出光-几何交互映射，通过联合阴影生成与光照恢复的统一流程，实现高效且物理一致的阴影处理。

Comments ICLR 2026

Dataset Color Quantization: A Training-Oriented Framework for Dataset-Level Compression

数据集颜色量化：面向数据集层面压缩的训练导向框架

Chenyue Yu, Lingao Xiao, Jinhong Deng, Ivor W. Tsang, Yang He

机构 * CFAR, Agency for Science, Technology and Research, Singapore（科技研究局CFAR, 新加坡） ； IHPC, Agency for Science, Technology and Research, Singapore（科技研究局IHPC, 新加坡） ； National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China (UESTC)（电子科技大学） ； Nanyang Technological University (NTU), Singapore（南洋理工大学, 新加坡） 纠错

AI总结 本文提出DCQ框架，通过减少颜色空间冗余并保留训练关键信息，实现数据集层面的高效压缩，提升训练性能。

Comments Accepted by ICLR 2026

Learning Ordinal Probabilistic Reward from Preferences

从偏好中学习序概率奖励

Longze Chen, Lu Wang, Renke Shan, Ze Gong, Run Luo, Jiaming Li, Jing Luo, Qiyao Wang, Min Yang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ritzz-AI ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

AI总结 本文提出序概率奖励模型，通过区域淹没微调提升奖励模型的准确性和数据效率，有效捕捉绝对文本质量。

Comments 28 pages, 5 figures, ICLR 2026

Entropy-Guided Dynamic Tokens for Graph-LLM Alignment in Molecular Understanding

熵引导的动态令牌用于分子理解中的图-语言模型对齐

Zihao Jing, Qiuhao Zeng, Ruiyi Fang, Yan Sun, Boyu Wang, Pingzhao Hu

AI总结 EDT-Former通过熵引导的动态令牌生成，在无需微调LLM主干的情况下实现图编码器与LLM的对齐，提升分子图理解的效率和泛化能力。

Comments Accepted by ICLR 2026

CloDS: Visual-Only Unsupervised Cloth Dynamics Learning in Unknown Conditions

CloDS: 未知条件下的视觉-only 无监督布料动力学学习

Yuliang Zhan, Jian Li, Wenbing Huang, Wenbing Huang, Yang Liu, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） 纠错

AI总结 CloDS通过无监督学习从多视角视觉数据中学习布料动力学，解决未知条件下的动态模拟问题。

Comments ICLR 2026

Decoupled Diffusion Sampling for Inverse Problems on Function Spaces

解耦扩散采样用于函数空间上的逆问题

Thomas Y. L. Lin, Jiachen Yao, Lufang Chiang, Julius Berner, Anima Anandkumar

AI总结 本文提出了解耦扩散逆求解器（DDIS），通过解耦设计提升数据效率和物理感知学习，实现稀疏观测下的高性能逆问题求解。

Comments Accepted to ICLR AI&PDE Workshop (Oral)

HierLoc: Hyperbolic Entity Embeddings for Hierarchical Visual Geolocation

HierLoc：基于超几何实体嵌入的层次视觉定位

Hari Krishna Gadi, Daniel Matos, Hongyi Luo, Lu Liu, Yongliang Wang, Yanfeng Zhang, Liqiu Meng

机构 * Huawei Riemann Lab（华为里曼实验室） ； Hilbert Research Centre（希尔伯特研究中心） ； Chair of Cartography, Technical University of Munich（慕尼黑技术大学制图学教授） 纠错

AI总结 HierLoc通过超几何实体嵌入实现层次视觉定位，减少误差并提升细粒度准确率，为全球图像定位提供新方法。

Comments This is camera ready version of the paper accepted to ICLR 2026 (poster)

Reward Models Inherit Value Biases from Pretraining

奖励模型继承预训练中的价值偏见

Brian Christian, Jessica A. F. Thompson, Elle Michelle Yang, Vincent Adam, Hannah Rose Kirk, Christopher Summerfield, Tsvetomira Dumbalska

机构 * Department of Experimental Psychology, University of Oxford（心理学系，牛津大学） ； Department of Computer Science, University of Oxford（计算机科学系，牛津大学） ； AI/ML Research Group, Universitat Pompeu Fabra（人工智能/机器学习研究组，庞培法华大学） ； Oxford Internet Institute, University of Oxford（牛津互联网研究所，牛津大学） 纠错

AI总结 本研究发现奖励模型继承预训练模型的价值偏见，影响其对代理和共融的偏好，揭示了预训练阶段对安全和对齐的重要性。

Journal ref International Conference on Learning Representations (ICLR), 2026

SoFlow: Solution Flow Models for One-Step Generative Modeling

SoFlow：用于一步生成建模的解流模型

Tianze Luo, Haotian Yuan, Zhuang Liu

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 SoFlow通过引入流匹配损失和解一致性损失，实现从头开始的一步生成建模，提升生成性能并优化计算效率。

Comments Accepted to ICLR 2026. Our code is available at https://github.com/zlab-princeton/SoFlow

CRISP: Contact-Guided Real2Sim from Monocular Video with Planar Scene Primitives

CRISP: 从单目视频中基于接触引导的现实到仿真转换

Zihan Wang, Jiashun Wang, Jeff Tan, Yiwen Zhao, Jessica Hodgins, Shubham Tulsiani, Deva Ramanan

AI总结 CRISP通过拟合平面原始体和强化学习，从单目视频中生成可模拟的现实到仿真环境，显著降低运动跟踪失败率。

Comments Published at ICLR 2026. Project page: https://crisp-real2sim.github.io/CRISP-Real2Sim/

Brain-Semantoks: Learning Semantic Tokens of Brain Dynamics with a Self-Distilled Foundation Model

Brain-Semantoks: 通过自蒸馏基础模型学习脑动态的语义标记

Sam Gijsen, Marc-Andre Schulz, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（图宾根大学脑健康人工智能研究所） ； Tübingen AI Center, University of Tübingen（图宾根大学图宾根人工智能中心） ； Charité – Universitätsmedizin Berlin, Department of Psychiatry and Psychotherapy（柏林夏里特医学院心理治疗系） 纠错

AI总结 Brain-Semantoks通过自蒸馏基础模型学习脑动态的语义标记，提升fMRI时间序列在下游任务中的性能。

Comments Accepted at ICLR 2026. Code and pretrained models available at https://github.com/SamGijsen/Brain-Semantoks

Learning to Orchestrate Agents in Natural Language with the Conductor

通过指挥模型学习自然语言中的代理协调

Stefan Nielsen, Edoardo Cetin, Peter Schwendeman, Qi Sun, Jinglue Xu, Yujin Tang

机构 * Sakana AI, Japan（日本Sakana AI公司） ； University of Michigan, USA（美国密歇根大学） ； Institute of Science Tokyo, Japan（日本东京科学研究所） 纠错

AI总结 本文提出通过强化学习训练指挥模型，实现自然语言中代理的协调，展示其在推理基准测试中的卓越性能。

Comments To appear at the 14th International Conference on Learning Representations (ICLR 2026)

WavefrontDiffusion: Dynamic Decoding Schedule for Improved Reasoning

WavefrontDiffusion: 动态解码调度以提升推理性能

Haojin Yang, Rui Hu, Zequn Sun, Rui Zhou, Yujun Cai, Yiwei Wang

机构 * School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室） ； The University of Queensland（昆士兰大学） ； University of California, Merced（加州大学梅尔德分校） 纠错

AI总结 WavefrontDiffusion通过动态解码调度提升推理和代码生成的性能与语义连贯性。

Comments 19 pages. 3 figures

Journal ref ICLR 2026

Protein Structure Tokenization via Geometric Byte Pair Encoding

通过几何字对编码进行蛋白质结构分词

Michael Sun, Weize Yuan, Gang Liu, Wojciech Matusik, Marinka Zitnik

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Harvard Medical School（哈佛医学院） ； Apple（苹果公司） ； Notre Dame（诺特大学） 纠错

AI总结 GeoBPE通过几何字对编码实现蛋白质结构分词，提供压缩、数据效率和泛化能力，支持多架构应用并增强功能解释性。

Comments ICLR 2026

Reasoning on Time-Series for Financial Technical Analysis

用于金融技术分析的时间序列推理

Kelvin J. L. Koa, Jan Chen, Yunshan Ma, Huanhuan Zheng, Tat-Seng Chua

机构 * National University of Singapore（国立新加坡大学） ； Technical University of Munich（慕尼黑技术大学） ； Singapore Management University（新加坡管理学院） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 VTA通过结合语言和潜在推理，生成准确且可解释的股票时间序列预测，展示了在金融技术分析中的优越性能。

Comments ICLR 2026

DoFlow: Flow-based Generative Models for Interventional and Counterfactual Forecasting on Time Series

DoFlow：基于流的生成模型用于时间序列的干预和反事实预测

Dongze Wu, Feng Qiu, Yao Xie

机构 * H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Northwestern–Argonne Institute for Scientific and Engineering Excellence（西北-阿贡科学与工程卓越研究所） 纠错

AI总结 DoFlow通过基于因果图的流模型实现时间序列的干预和反事实预测，并提供异常检测能力。

Comments Accepted to the 14th International Conference on Learning Representations (ICLR 2026)

Measuring the Intrinsic Dimension of Earth Representations

测量地球表示的内在维度

Arjun Rao, Marc Rußwurm, Konstantin Klemmer, Esther Rolf

AI总结 本研究首次探讨地理隐式神经表示的内在维度，发现其内在维度在2-10之间，并与下游任务性能相关，可帮助评估和诊断模型。

Comments Published as a conference paper at ICLR 2026. 27 pages, 11 figures, 7 tables

Self-Harmony: Learning to Harmonize Self-Supervision and Self-Play in Test-Time Reinforcement Learning

自和：学习在测试时间强化学习中和谐统一自监督与自玩

Ru Wang, Wei Huang, Qi Cao, Yusuke Iwasawa, Yutaka Matsuo, Jiaxian Guo

机构 * The University of Tokyo（东京大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进情报项目中心） ； The Institute of Statistical Mathematics（统计数学研究所） ； Google Research Australia（澳大利亚谷歌研究） 纠错

AI总结 Self-Harmony通过自监督与自玩的和谐统一，在测试时间强化学习中实现无标签设置下的最佳性能和鲁棒性。

Comments Accepted at the 14th International Conference on Learning Representations (ICLR 2026), Poster

UME-R1: Exploring Reasoning-Driven Generative Multimodal Embeddings

UME-R1: 探索基于推理的生成多模态嵌入

Zhibin Lan, Liqiang Niu, Fandong Meng, Jie Zhou, Jinsong Su

机构 * School of Informatics, Xiamen University, China（厦门大学信息学院） ； WeChat AI, Tencent Inc, China（腾讯公司微信AI部门） ； 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） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） 纠错

AI总结 UME-R1通过生成嵌入和强化学习提升多模态嵌入性能，实现判别与生成嵌入的互补，展现生成嵌入在推理和下游任务中的优势。

Comments Accepted by ICLR 2026

Stop Wasting Your Tokens: Towards Efficient Runtime Multi-Agent Systems

停止浪费你的令牌：迈向高效的运行时多智能体系统

Fulin Lin, Shaowen Chen, Ruishan Fang, Hongwei Wang, Tao Lin

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） 纠错

AI总结 SupervisorAgent通过运行时自适应监督框架减少多智能体系统中的令牌消耗，提升效率与鲁棒性。

Comments Accepted to ICLR 2026. The code is available at https://github.com/LINs-lab/SupervisorAgent

Brain-IT: Image Reconstruction from fMRI via Brain-Interaction Transformer

通过脑交互变换器从fMRI中进行图像重建

Roman Beliy, Amit Zalcher, Jonathan Kogman, Navve Wasserman, Michal Irani

机构 * Weizmann Institute of Science（魏茨曼科学研究所） 纠错

AI总结 Brain-IT通过脑交互变换器从fMRI中实现高保真图像重建，结合高层语义和低层结构特征，提升重建精度与效率。

Comments Accepted at ICLR 2026

BioCAP: Exploiting Synthetic Captions Beyond Labels in Biological Foundation Models

BioCAP: 利用合成描述性注释超越标签在生物基础模型中的应用

Ziheng Zhang, Xinyue Ma, Arpita Chowdhury, Elizabeth G. Campolongo, Matthew J. Thompson, Net Zhang, Samuel Stevens, Hilmar Lapp, Tanya Berger-Wolf, Yu Su, Wei-Lun Chao, Jianyang Gu

机构 * The Ohio State University（俄亥俄州立大学） ； Duke University（杜克大学） ； Boston University（波士顿大学） 纠错

AI总结 BioCAP通过生成合成描述性注释提升生物基础模型的性能，实现物种分类和文本-图像检索的高准确率。

Comments ICLR 2026; Project page: https://imageomics.github.io/biocap/

DAG-Math: Graph-of-Thought Guided Mathematical Reasoning in LLMs

DAG-Math: 图思维引导的大型语言模型数学推理

Yuanhe Zhang, Ilja Kuzborskij, Jason D. Lee, Chenlei Leng, Fanghui Liu

机构 * Department of Statistics, University of Warwick（沃里克大学统计系） ； Google DeepMind（谷歌DeepMind） ； Department of Applied Mathematics, Hong Kong Polytechnic University（香港理工大学应用数学系） ； School of Mathematical Sciences, Institute of Natural Sciences and MOE-LSC, Shanghai Jiao Tong University（上海交通大学数学科学学院） 纠错

AI总结 DAG-Math通过构建图思维引导的数学推理框架，评估LLM的推理能力，揭示了推理忠实度与最终答案准确性的差异。

Comments Accepted by ICLR 2026

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes

跨视角视觉：评估视觉-语言模型在机器人场景中的空间推理能力

Zhiyuan Feng, Zhaolu Kang, Qijie Wang, Zhiying Du, Jiongrui Yan, Shubin Shi, Chengbo Yuan, Huizhi Liang, Yu Deng, Qixiu Li, Rushuai Yang, Arctanx An, Leqi Zheng, Weijie Wang, Shawn Chen, Sicheng Xu, Yaobo Liang, Jiaolong Yang, Baining Guo

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出MV-RoboBench基准，评估视觉-语言模型在机器人场景中的多视角空间推理能力，揭示其在多视角机器人感知中的挑战。

Comments Accepted to ICLR 2026. Camera-ready version. Project page: https://aaronfengzy.github.io/MV-RoboBench-Webpage/

Journal ref International Conference on Learning Representations (ICLR), 2026

Mono4DGS-HDR: High Dynamic Range 4D Gaussian Splatting from Alternating-exposure Monocular Videos

Mono4DGS-HDR: 从交替曝光单目视频中重建可渲染的4D高动态范围场景

Jinfeng Liu, Lingtong Kong, Mi Zhou, Jinwen Chen, Dan Xu

机构 * The Hong Kong University of Science and Technology (HKUST)（香港科学与技术大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） 纠错

AI总结 Mono4DGS-HDR通过两阶段优化方法，从交替曝光单目视频中高效重建可渲染的4D HDR场景。

Comments This paper is accepted by ICLR 2026. Project page is available at https://liujf1226.github.io/Mono4DGS-HDR/

Soft-Masked Diffusion Language Models

软掩码扩散语言模型

Michael Hersche, Samuel Moor-Smith, Thomas Hofmann, Abbas Rahimi

AI总结 本文提出软掩码方法，通过动态融合掩码token与预测token的嵌入，提升扩散语言模型的生成性能和准确性。

Comments Accepted at the Fourteenth International Conference on Learning Representations (ICLR2026)

Fly-CL: A Fly-Inspired Framework for Enhancing Efficient Decorrelation and Reduced Training Time in Pre-trained Model-based Continual Representation Learning

Fly-CL: 一种受飞虫嗅觉电路启发的框架，用于提升预训练模型连续表示学习中的高效去相关性和减少训练时间

Heming Zou, Yunliang Zang, Wutong Xu, Xiangyang Ji

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Academy of Medical Engineering and Translational Medicine, Tianjin University（天津大学医学工程与转化医学学院） 纠错

AI总结 Fly-CL通过生物启发设计提升预训练模型连续学习效率，减少训练时间并保持高性能。

Comments ICLR 2026 accepted paper

Latent Diffusion Model without Variational Autoencoder

无变分自编码器的潜在扩散模型

Minglei Shi, Haolin Wang, Wenzhao Zheng, Ziyang Yuan, Xiaoshi Wu, Xintao Wang, Pengfei Wan, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

AI总结 SVG提出了一种无需变分自编码器的潜在扩散模型，通过自监督表示提升视觉生成的效率和质量。

Comments Accepted by ICLR 2026

UrbanVerse: Scaling Urban Simulation by Watching City-Tour Videos

UrbanVerse: 通过观看城市游览视频扩大城市模拟

Mingxuan Liu, Honglin He, Elisa Ricci, Wayne Wu, Bolei Zhou

AI总结 UrbanVerse 通过将众包城市游览视频转化为物理-aware 的模拟场景，实现了城市模拟的扩展，提升了城市导航中代理的泛化能力和现实任务完成效率。

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