期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
InnoGym：评估AI智能体创新潜力的基准测试
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； National University of Singapore（新加坡国立大学） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（知识图谱联合实验室）
AI总结 InnoGym通过引入性能提升和新颖性两个指标，首次系统评估AI智能体的创新潜力，揭示了创造力与有效性的平衡问题。
Comments ICLR 2026
当数据成为算法：对偏好优化数据集的系统研究与整理
机构 * Technical University Munich（慕尼黑技术大学） ； IBM Research（IBM研究院）
AI总结 本文系统研究并整理了多个开源DPO数据集，提出UltraMix混合数据集，通过Magpie框架进行精细标注，揭示偏好质量差异，并在关键基准上超越最佳单个数据集性能。
Journal ref The Fourteenth International Conference on Learning Representations (ICLR) 2026
SLAP：抽象规划的快捷学习
AI总结 SLAP通过快捷学习方法自动发现抽象规划中的新选项，提升任务成功率和规划效率。
Comments Published at the International Conference on Learning Representations (ICLR) 2026. Code available at https://github.com/isabelliu0/SLAP
稀疏自编码器能否揭示并缓解LLM在医疗中的种族偏见？
机构 * Northeastern University（东北大学）
AI总结 本文研究了稀疏自编码器在揭示和缓解LLM医疗应用中种族偏见方面的作用，发现其在简单任务中有效，但在复杂任务中效果有限。
Comments camera-ready ICLR 2026
MoE中的路由问题：通过显式路由指导扩展扩散Transformer
机构 * Fudan University（复旦大学） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； MMLab ； Institute of Science and Technology for Brain-inspired Intelligence, MOE Frontiers Center for Brain Science, Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence, and State Key Laboratory of Brain Function and Disorders, Fudan University（脑启发智能科学技术研究院、MOE前沿脑科学中心、计算神经科学与脑启发智能重点实验室、脑功能与疾病国家重点实验室，复旦大学）
AI总结 ProMoE通过显式路由指导提升视觉MoE性能，结合两步路由策略和原型路由机制，在ImageNet基准上优于现有方法。
Comments Accepted to ICLR 2026
自适应优化器在浮点量化下的收敛性分析
AI总结 本文提出理论框架分析自适应优化器在浮点量化下的收敛性，揭示Adam和Muon在不同量化下的表现差异，通过实验验证理论结果。
Comments 68 pages, 13 figures, ICLR 2026
Scaf-GRPO：基于 scaffolding 的组相对策略优化以增强大语言模型推理能力
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
AI总结 Scaf-GRPO通过渐进式训练框架，在模型学习停滞时提供分层提示，有效提升大语言模型的数学推理能力。
Comments Code: https://github.com/JIA-Lab-research/Scaf-GRPO Accepted by ICLR 2026
LightMem: 轻量级和高效的内存增强生成
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； State Key Lab. for Novel Software Technology, Nanjing University, P.R. China（南京大学软件新技术国家重点实验室，中国）
AI总结 LightMem通过三阶段内存系统提升LLM在动态环境中的效率和性能，实现问答准确率提升和token使用减少。
Comments ICLR 2026
UniFlow：一种统一的像素流标记器用于视觉理解和生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 UniFlow是一种统一的像素流标记器，通过灵活适配视觉编码器和轻量级解码器，在视觉理解和生成任务中实现了性能的双赢。
Comments ICLR 2026
具有海马体启发序列生成器的Actor-Critic智能体中空间表示的出现
机构 * Faculty of Biology & Bernstein Center Freiburg & BrainLinks-BrainTools Center University of Freiburg（生物学系及弗赖堡伯尔尼中心、BrainLinks-BrainTools中心、弗赖堡大学）
AI总结 该研究通过海马体启发的序列生成器和Actor-Critic学习者，揭示稀疏输入与序列生成动态的协同作用，为导航任务中的强化学习提供新的归纳偏置。
Comments Accepted at ICLR 2026
DISCO: 通过高效样本压缩实现模型评估的多样化
机构 * Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学）
AI总结 DISCO通过选择模型响应多样性最高的样本，提高模型评估效率，实现更准确的性能预测。
Comments ICLR'26; arXiv v2: add camera-ready
TTOM：测试时优化与记忆化用于组合视频生成
机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 TTOM通过测试时优化与记忆化机制，提升组合视频生成的跨模态对齐能力，实现高效且可扩展的实时生成。
Comments ICLR 2026 Camera-ready. Project page: https://ttom-t2v.github.io/
回环蒸馏使零样本模型大小插值
机构 * Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； IST Austria（IST奥地利研究院）
AI总结 回环蒸馏通过蒸馏和重构实现零样本模型大小插值，生成细粒度模型家族，降低训练成本并提升适应性。
Comments ICLR 2026
方向性sheaf超图网络：统一学习于有向和无向超图
机构 * Sapienza University of Rome（罗马大学）
AI总结 DSHN通过结合sheaf理论与非对称关系处理，统一并泛化了现有超图学习中的拉普拉斯矩阵，提升了超图学习的性能。
Comments Camera ready revision: accepted to ICLR 2026
关于双人零和博弈中交替梯度下降-上升算法$O(1/T)$收敛性的研究
AI总结 本文研究了双人零和博弈中交替梯度下降-上升算法的收敛性，证明其在约束条件下具有$O(1/T)$的收敛速率，优于同时方法的$O(1/\sqrt{T})$速率。
Comments 40 pages, 74 figures, Published as a conference paper at ICLR 2026
ExGRPO：从经验中学习推理
机构 * University of Macau（澳门大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ExGRPO通过组织和优先处理有价值的经验，提升大语言模型的推理性能并稳定训练过程。
Comments ICLR 2026 Camera Ready version
学习多跟随者贝叶斯斯塔克尔伯格博弈
机构 * John A. Paulson School of Engineering and Applied Sciences（约翰·A·保罗森工程与应用科学学院） ； Harvard University（哈佛大学）
AI总结 研究多跟随者贝叶斯斯塔克尔伯格博弈的在线学习算法，通过类型反馈和动作反馈设计算法，实现最小化懊悔的策略。
Comments Accepted by ICLR 2026
为LLM推理稳定化策略梯度以实现样本高效的强化学习
机构 * OATML, University of Oxford（OATML，牛津大学） ； OXCAV, University of Oxford（OXCAV，牛津大学）
AI总结 CAPO通过曲率感知优化提升LLM推理的样本效率和稳定性
Comments Published at ICLR 2026
MENLO：从偏好到熟练度——在47种语言上评估和建模原生质量
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Handshake AI
AI总结 MENLO通过偏好评估和建模提升多语言LLM的原生质量，结合强化学习和多任务学习方法改进模型表现。
Comments ICLR 2026
贝叶斯影响函数用于Hessian-Free数据归因
机构 * Technical University of Munich（慕尼黑技术大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Melbourne（墨尔本大学） ； Timaeus
AI总结 本文提出一种基于贝叶斯影响函数的Hessian-Free方法，用于高效估计深度神经网络参数间的高阶相互作用，并在重训练实验中取得最佳性能。
Comments 37 pages, 20 figures, ICLR 2026 - camera-ready version
Stylos：基于单次前向高斯点云的多视图3D风格迁移
机构 * Texas A&M University（德克萨斯A&M大学）
AI总结 Stylos通过单次前向高斯点云框架实现多视图3D风格迁移，采用Transformer主干和全局交叉注意力机制，结合体素损失实现视图一致的风格化效果。
Comments Accepted by ICLR 2026
EditReward：一种用于指令引导图像编辑的人类对齐奖励模型
机构 * University of Waterloo（滑铁卢大学） ； McGill University（麦吉尔大学） ； Independent（独立研究者）
AI总结 EditReward是一种基于人类偏好的奖励模型，通过大规模标注数据提升图像编辑任务的质量与性能，展示了在指令引导图像编辑中的卓越对齐能力。
Comments Accepted by ICLR 2026. Project Page: https://tiger-ai-lab.github.io/EditReward
大规模多模态基础模型：一种捕捉交互的专用专家混合框架
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出了一种大规模多模态基础模型框架，通过量化模态间的时间依赖性，改进混合专家路由机制，提升跨模态交互处理能力。
Comments Published at International Conference on Learning Representations (ICLR) 2026 as a conference paper. 28 pages, 16 figures, 10 tables
校准带有自生成干扰项的置信度
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究提出DINCO方法，通过自生成干扰项和归一化置信度校准，提升大型语言模型的置信度估计准确性。
Comments ICLR 2026. Code: https://github.com/victorwang37/dinco
SpinBench：通过视角与旋转透视视角在视觉语言模型中的空间推理
AI总结 SpinBench通过视角与旋转视角评估视觉语言模型的空间推理能力，揭示其在视角转换任务中的系统性弱点及改进潜力。
Comments ICLR 2026
通过纠正干预实现大推理模型的安全推理
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智机构） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； RealAI
AI总结 本文提出IPO方法，通过干预优化提升大推理模型的安全性，显著降低有害性并保持性能。
Comments ICLR 2026
通过物理引导的不变学习实现通用的PDE动力学预测
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Alberta（阿尔伯塔大学） ； Alibaba Cloud（阿里云）
AI总结 本文提出iMOOE方法，通过物理引导的不变学习实现PDE动态预测的通用性和零样本泛化能力。
Comments Accepted to ICLR 2026
组相对REINFORCE实际上是秘密的非策略算法：解开GRPO及其朋友的一些神话
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Alibaba Group（阿里巴巴集团）
AI总结 本文揭示组相对REINFORCE本质上是非策略算法，通过理论分析和实验验证，解开了GRPO及相关算法的一些神话，为LLMs的非策略强化学习提供了新的设计思路。
Comments Accepted to ICLR 2026. arXiv v2 update: add references and experiments
通过R1风格强化微调推进多智能体交通模拟
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Voyager Research, Didi Chuxing（Voyager研究，滴滴出行）
AI总结 SMART-R1通过R1风格强化微调提升多智能体交通模拟的现实度与性能
Comments Accepted by ICLR 2026
DiffInk: 基于字形和风格的潜在扩散变换器用于文本到在线手写生成
机构 * South China University of Technology（华南理工大学）
AI总结 DiffInk通过结合字形和风格的潜在扩散变换器，实现了高效且准确的完整文本行手写生成。
Comments Accepted by ICLR 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈