Identity-Free Deferral For Unseen Experts
无需身份的延迟决策
AI总结 IFD通过强制排列对称性，解决未见过专家的延迟决策问题，提升泛化能力并减少标注需求。
Comments Fourteenth International Conference on Learning Representations (ICLR) 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Precise Parameter Localization for Textual Generation in Diffusion Models
扩散模型中文本生成的精确参数定位
机构 * Warsaw University of Technology（华沙技术大学） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍茨中心） ； IDEAS NCBR
AI总结 通过局部化扩散模型中负责文本生成的注意力层，提升文本生成效率和性能，同时防止生成有毒文本。
Comments ICLR 2025
Polynomial, trigonometric, and tropical activations
多项式、三角函数和热带激活函数
AI总结 本文提出多项式、三角函数和热带激活函数，通过简单初始化训练深度模型，解决激活和梯度爆炸问题，并提升大规模学习任务效率。
Comments Published at ICLR 2026
Solving Football by Exploiting Equilibrium Structure of 2p0s Differential Games with One-Sided Information
通过利用2p0s微分博弈的均衡结构来解决足球
AI总结 通过利用2p0s微分博弈的均衡结构，解决具有连续动作空间的22人足球游戏，提升学习准确性和效率。
Comments Published in ICLR 2026
Grounding-IQA: Grounding Multimodal Language Model for Image Quality Assessment
Grounding-IQA: 多模态语言模型的接地图像质量评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Westlake University（西湖大学） ； Huawei（华为）
AI总结 本文提出grounding-IQA任务范式，通过结合多模态指称与图像质量评估，实现更细粒度的图像质量感知。
Comments Accepted to ICLR 2026. Code is available at: https://github.com/zhengchen1999/Grounding-IQA
SimpleToM: Exposing the Gap between Explicit ToM Inference and Implicit ToM Application in LLMs
SimpleToM：揭示LLM中显式ToM推理与隐式ToM应用之间的差距
机构 * Allen Institute for AI（艾伦人工智能研究所） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
AI总结 SimpleToM通过多层级ToM推理和日常场景测试，揭示LLM在显式心理状态推理与隐式应用之间的能力差距。
Comments ICLR 2026
Decoupling Dynamical Richness from Representation Learning: Towards Practical Measurement
解耦动态丰富性与表示学习：迈向实用测量
机构 * Oxford University（牛津大学） ； Seoul National University（首尔国立大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种计算高效且性能无关的丰富性度量标准，用于分析动态丰富性与表示学习之间的关系，并探讨了训练因素对丰富性的影响。
Comments Published at ICLR 2026
pySpatial: Generating 3D Visual Programs for Zero-Shot Spatial Reasoning
pySpatial: 为零样本空间推理生成3D视觉程序
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； University of Michigan（密歇根大学）
AI总结 pySpatial通过生成3D视觉程序，使大语言模型在无需微调的情况下实现零样本空间推理，并在基准测试和实际导航中表现出色。
Comments Accepted at ICLR 2026, Project Page: Our project: https://pySpatial.github.io
Principled Fast and Meta Knowledge Learners for Continual Reinforcement Learning
原理化快速与元知识学习器用于持续强化学习
机构 * University of Alberta（阿尔伯塔大学） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统国家重点实验室，自动化研究所，中国科学院） ； Edmonton Research Center, Huawei Canada（华为加拿大爱德蒙顿研究中心） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； BetaInfinity
AI总结 本研究提出双学习器框架，通过快速学习器与元学习器协同作用，解决持续强化学习中的知识转移与整合问题，实现高效累积学习。
Comments Published in ICLR 2026
MC-Search: Evaluating and Enhancing Multimodal Agentic Search with Structured Long Reasoning Chains
MC-Search：基于结构化长推理链评估和增强多模态代理搜索
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； IBM Research（IBM研究院） ； Stony Brook University（石溪大学）
AI总结 MC-Search是首个针对代理MM-RAG的基准，通过结构化长推理链评估和增强多模态代理搜索，揭示了系统性问题并改进了模型的规划和检索能力。
Comments ICLR 2026
Neural Latent Arbitrary Lagrangian-Eulerian Grids for Fluid-Solid Interaction
神经潜在任意拉格朗日-欧拉网格用于流固耦合
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Global Innovation Exchange, Tsinghua University（清华大学全球创新交流中心） ； School of Electrical and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
AI总结 Fisale通过多尺度潜在ALE网格和分区耦合模块，实现复杂双向流固耦合问题的高效建模与学习。
Comments Proceedings of the 14th International Conference on Learning Representations
UniHM: Unified Dexterous Hand Manipulation with Vision Language Model
UniHM: 一体化的视觉语言模型用于统一的灵巧手操作
机构 * ShanghaiTech University（上海科技大学） ； InstAdapt
AI总结 UniHM通过统一的视觉语言模型实现灵巧手操作，利用开放词汇指令提升泛化能力和物理可行性。
Comments Accepted by ICLR 2026
Adapt Data to Model: Adaptive Transformation Optimization for Domain-shared Time Series Foundation Models
适应数据到模型：面向领域共享时间序列基础模型的自适应转换优化
机构 * School of Software, BNRist, Tsinghua University（软件学院、BNRist、清华大学）
AI总结 TATO通过自适应转换优化提升领域适应的预测性能，显著降低MSE并提高效率。
Comments Published as a conference paper at ICLR 2026
Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models
多领域黎曼图粘合用于构建图基础模型
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； North China Electric Power University（华北电力大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校）
AI总结 GraphGlue通过黎曼几何视角整合多领域图数据，构建统一流形以提升模型可转移性与性能。
Comments Accepted by ICLR'26, 41 pages
Dial E for Ethical Enforcement: institutional VETO power as a governance primitive
为伦理执行而 Dial E：作为治理原语的机构 veto 权力
AI总结 本文提出机构 veto 权力作为治理原语，旨在通过正式权威阻止潜在武器化风险，推动模型去武装和伦理执行。
Comments Accepted at the AI for Peace Workshop at ICLR 2026.32 Pages and 2 Figures
Fair in Mind, Fair in Action? A Synchronous Benchmark for Understanding and Generation in UMLLMs
公平在心，公平在行？一个用于理解与生成的同步基准：UMLLMs的公平性评估
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The Chinese University of Hong Kong（香港中文大学） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心）
AI总结 IRIS基准通过同步评估UMLLMs的理解与生成任务公平性，揭示系统性偏见现象并提供公平性优化指导。
Comments Accepted to ICLR 2026
Unlearning Evaluation through Subset Statistical Independence
通过子集统计独立性评估机器遗忘
机构 * University of Queensland（昆士兰大学） ； University of Melbourne（墨尔本大学） ； Adelaide University（阿德莱德大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究所先进智能项目中心）
AI总结 本文提出基于统计独立性的子集评估框架，无需重新训练模型即可评估机器遗忘效果，通过希尔伯特-施密特独立准则判断模型输出的统计依赖性，有效区分训练内外子集及遗忘效果。
Comments 21 pages, 6 figures, to appear at ICLR 2026
DeepAFL: Deep Analytic Federated Learning
DeepAFL: 深度分析联邦学习
AI总结 DeepAFL通过无梯度残差块和分层协议，在联邦学习中实现异质性不变性和表示学习的双重优势，性能优于现有方法。
Comments Accepted in the Fourteenth International Conference on Learning Representations (ICLR 2026)
Enhancing Molecular Property Predictions by Learning from Bond Modelling and Interactions
通过学习键建模和相互作用来增强分子属性预测
机构 * Department of Computing (COMP), The Hong Kong Polytechnic University（计算机系（COMP），香港理工大学） ； Department of Management and Marketing (MM), The Hong Kong Polytechnic University（管理与营销系（MM），香港理工大学）
AI总结 DeMol通过双图框架显式建模键信息和相互作用，提升分子属性预测的准确性与鲁棒性。
Comments Accepted to ICLR 2026
MIDAS: Multi-Image Dispersion and Semantic Reconstruction for Jailbreaking MLLMs
MIDAS: 多图像分散与语义重建用于对抗多模态大语言模型
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Guilin University of Electronic Technology（桂林电子科技大学）
AI总结 MIDAS通过多图像分散与语义重建技术，提升对抗多模态大语言模型的劫持性能，达到81.46%的平均攻击成功率。
Journal ref The Fourteenth International Conference on Learning Representations(2026)
Antibody: Strengthening Defense Against Harmful Fine-Tuning for Large Language Models via Attenuating Harmful Gradient Influence
Antibody: 通过削弱有害梯度影响来加强对抗有害微调的防御
机构 * Department of Electrical and Computer Systems Engineering, Monash University, Australia（莫纳什大学电气与计算机系统工程系） ； Department of Data Science and AI, Monash University, Australia（莫纳什大学数据科学与人工智能系）
AI总结 Antibody通过削弱有害梯度影响，提升大型语言模型对有害微调攻击的防御能力，并增强微调性能。
Comments Published at ICLR 2026
Station2Radar: query conditioned gaussian splatting for precipitation field
Station2Radar: 基于查询条件的高斯散射用于降水场
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 Station2Radar通过融合自动天气站观测与卫星图像，实现高效、灵活的实时降水场生成，提升降水预报精度。
Comments This paper was accepted to ICLR 2026
REMem: Reasoning with Episodic Memory in Language Agent
REMem: 在语言代理中进行基于事件记忆的推理
机构 * The Ohio State University（俄亥俄州立大学） ； Intuit AI Research（Intuit AI研究）
AI总结 REMem通过两阶段框架提升语言代理的事件记忆构建与推理能力，显著优于现有系统。
Comments Accepted by The Fourteenth International Conference on Learning Representations (ICLR 2026) as poster
Echo: Towards Advanced Audio Comprehension via Audio-Interleaved Reasoning
Echo：通过音频交错推理实现高级音频理解
机构 * IIE, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Zhejiang University（浙江大学） ； ByteDance China（字节跳动中国） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（VCIP与TMCC与DISSec，南开大学计算机学院） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Echo通过音频交错推理方法，提升音频理解能力，在基准测试中表现出色。
Comments Accepted by ICLR 2026
FASA: Frequency-aware Sparse Attention
FASA: 基于频率的稀疏注意力
机构 * AMAP, Alibaba Group（阿里巴巴集团AMAP） ； UCSD（加州大学圣迭戈分校） ； UIUC（伊利诺伊大学香槟分校） ； Texas A&M University（德克萨斯农工大学）
AI总结 FASA通过动态预测令牌重要性，实现基于频率块的稀疏注意力机制，在长上下文任务中表现出色，达到接近全缓存性能且显著提升效率。
Comments Accepted by ICLR 2026
Unveiling the Cognitive Compass: Theory-of-Mind-Guided Multimodal Emotion Reasoning
揭示认知罗盘：基于理论of-Mind的多模态情感推理
机构 * National University of Singapore（新加坡国立大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出HitEmotion基准和TMPO方法，通过理论of-Mind引导多模态情感推理，提升模型情感理解和认知能力。
Comments Accepted by ICLR 2026
When Agents "Misremember" Collectively: Exploring the Mandela Effect in LLM-based Multi-Agent Systems
当智能体“误忆”时：探索基于大语言模型的多智能体系统中的曼德拉效应
机构 * Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Palo Alto Networks（帕洛阿尔托网络公司） ； OPPO Research Institute（OPPO研究院） ； Zhejiang Key Laboratory of Decision Intelligence（浙江决策智能重点实验室）
AI总结 本文研究了基于大语言模型的多智能体系统中的曼德拉效应，提出MANBENCH基准并提出缓解策略，实现74.40%的效应减少。
Comments ICLR 2026
Domain Expansion: A Latent Space Construction Framework for Multi-Task Learning
领域扩展：一种多任务学习的潜在空间构建框架
机构 * Arizona State University（亚利桑那州立大学） ； Rider University（里德大学）
AI总结 领域扩展通过重构潜在空间防止多任务学习中的潜在表示崩溃，利用正交池化机制构建可解释的潜在空间结构。
Comments Accepted to ICLR 2026
Counterfactual Explanations on Robust Perceptual Geodesics
反事实解释中的鲁棒感知测地线
机构 * ARC Training Centre for Information Resilience (CIRES)（信息弹性培训中心（CIRES）） ； School of Mathematics and Physics, University of Queensland（昆士兰大学数学与物理学院） ； Institute for Molecular Bioscience, University of Queensland（昆士兰大学分子生物学研究院） ； Profenso ； QIMR Berghofer Medical Research Institute（QIMR伯格霍夫医学研究机构）
AI总结 本文提出感知反事实测地线方法，通过鲁棒视觉特征构建语义有效的反事实解释，提升模型鲁棒性并揭示隐藏的失败模式。
Comments Accepted at ICLR 2026
Robust Finetuning of Vision-Language-Action Robot Policies via Parameter Merging
通过参数合并实现视觉-语言-动作机器人策略的鲁棒微调
机构 * UC Berkeley（伯克利大学）
AI总结 通过参数合并实现视觉-语言-动作机器人策略的鲁棒微调，使策略在保持泛化能力的同时有效学习新技能。
Journal ref The Fourteenth International Conference on Learning Representations 2026
