Chow-Liu Ordering for Long-Context Reasoning in Chain-of-Agents
Chow-Liu 排序用于链式代理中的长上下文推理
机构 * Microsoft（微软）
AI总结 本文利用Chow-Liu树学习依赖结构，通过广度优先遍历优化块顺序，减少信息损失并提升长上下文推理的准确率。
Comments Published as a workshop paper at ICLR 2026 Workshop MemAgents
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval
唤起用户记忆：通过回忆-熟悉度适应检索个性化LLM
AI总结 RF-Mem通过双路径记忆检索实现个性化LLM，结合回忆与熟悉度机制提升记忆检索效率和准确性。
Comments Accepted by ICLR 2026
The Reasoning Trap -- Logical Reasoning as a Mechanistic Pathway to Situational Awareness
推理陷阱——逻辑推理作为情境意识的机制路径
机构 * MARS 4.0 Fellowship, Cambridge AI Safety Hub(CAISH), University of Cambridge（MARS 4.0 Fellow，剑桥人工智能安全中心（CAISH），剑桥大学） ； AWS Generative AI Innovation Center, Amazon Web Services, USA（亚马逊生成AI创新中心，亚马逊网络服务，美国） ； Google, USA（谷歌，美国） ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学，西雅图，华盛顿州，美国）
AI总结 本文提出RAISE框架，揭示逻辑推理能力提升与情境意识升级的机制路径，并提出安全原则与测试方法以应对潜在风险。
Comments Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models. 21 Pages. Position Paper
Latent-DARM: Bridging Discrete Diffusion And Autoregressive Models For Reasoning
Latent-DARM: 联结离散扩散与自回归模型以实现推理
机构 * EPFL（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 Latent-DARM通过结合离散扩散模型与自回归模型，提升多智能体系统在推理任务中的表现和协作效率。
Comments Published at LIT Workshop at ICLR 2026
Latent Equivariant Operators for Robust Object Recognition: Promises and Challenges
隐式等变运算符用于鲁棒目标识别：前景与挑战
机构 * Departments of Computer Science & Neuroscience and Biomedical Engineering（计算机科学与神经科学及生物医学工程系） ； Aalto University（艾尔沃斯大学）
AI总结 本文提出通过潜在空间学习等变运算符以提升鲁棒目标识别能力，展示其在超出分布分类中的有效性，并探讨扩展至复杂数据集的挑战。
Comments Version accepted at GrAM Workshop of ICLR 2026, Tiny Paper Track
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
B-DENSE：密集ense网络监督效率的分支方法
机构 * Indian Institute of Technology, Roorkee（印度理工学院拉胡尔分校）
AI总结 B-DENSE通过多分支轨迹对齐方法，提升密集ense网络的监督效率，实现更高质量的图像生成。
Comments 11 pages, 5 figures, 4 algorithms and 2 tables. ICLR DeLTa 2026
Multimodal Classification via Total Correlation Maximization
通过总相关性最大化实现多模态分类
机构 * Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出TCMax方法，通过最大化多模态特征与标签间的总相关性，缓解模态竞争并提升多模态分类性能。
Comments Accepted for publication at ICLR 2026; 19 pages; 2 figures
The Affine Divergence: Aligning Activation Updates Beyond Normalisation
仿射散度：超越归一化的激活更新对齐
机构 * Department of Computer Science University of Manchester（计算机科学系曼彻斯特大学）
AI总结 本文提出了一种超越传统归一化的替代方案，通过仿射散度理论和PatchNorm方法，在多个测试中优于传统归一化器。
Comments 30 pages, 10 figures. Accepted for submission to the ICLR 2026 Workshop on "Geometry-grounded Representation Learning and Generative Modeling"
Directional Textual Inversion for Personalized Text-to-Image Generation
方向性文本反转用于个性化文本到图像生成
机构 * KAIST（韩国科学技术院） ； Sookmyung Woman’s University（成均馆女子大学）
AI总结 方向性文本反转通过优化方向提升文本到图像生成的个性化效果，实现更稳定的语义连贯性。
Comments ICLR 2026; Project page: https://kunheek.github.io/dti
From Spatial to Actions: Grounding Vision-Language-Action Model in Spatial Foundation Priors
从空间到动作：在空间先验基础上构建视觉-语言-动作模型
机构 * ByteDance Seed（字节跳动种子） ； NUS（新加坡国立大学） ； NTU（国立技术大学） ； THU（清华大学） ； SMU（南方大学）
AI总结 FALCON通过引入丰富的3D空间标记，改进了视觉-语言-动作模型的空间表示、模态可转移性和对齐能力，在多个基准和现实任务中取得最佳性能。
Comments Accepted at ICLR 2026. Project page: https://falcon-vla.github.io/
Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition
制定你的策略！通过测试时的分布级组合改进扩散型或流型机器人策略
机构 * The University of Hong Kong（香港大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出无需训练的通用策略组合方法，通过测试时分布级组合提升机器人策略性能。
Comments Accepted to ICLR 2026. Project Page: https://sagecao1125.github.io/GPC-Site/
Rating Quality of Diverse Time Series Data by Meta-learning from LLM Judgment
通过LLM判断对异质时间序列数据进行质量评级
机构 * Sun Yat-sen University（中山大学） ； State Key Laboratory of Al Safety（人工智能安全国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出TSRating框架，利用LLM判断对异质时间序列数据进行质量评级，通过元学习提升跨领域适应性。
Comments Accepted at ICLR 2026
JULI: Jailbreak Large Language Models by Self-Introspection
通过自我反思 jailbreak 大型语言模型：JULI
机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 JULI 通过操纵令牌日志概率，利用微小插件块 BiasNet 实现对 API 调用 LLMs 的 jailbreak，无需模型权重或生成过程权限，且在黑盒环境下有效。
Comments Accepted to ICLR 2026
On the Impact of the Utility in Semivalue-based Data Valuation
关于基于半值的数据估值中效用的影响
机构 * Criteo AI lab（Criteo AI实验室） ； FairPlay joint team（FairPlay联合团队） ； CREST ； ENSAE ； Institut Polytechnique de Paris（巴黎政治学院） ； Inria（法国国家信息与自动化技术研究院）
AI总结 本文提出了一种基于数据集空间签名的方法，用于评估半值数据估值在效用变化时的鲁棒性，并通过实验验证了其有效性。
Comments 44 pages, 19 figures. Accepted at ICLR 2026
Markovian Transformers for Informative Language Modeling
马尔可夫变换器用于信息语言建模
机构 * Department of Computer Science Stanford University（计算机科学系 斯坦福大学）
AI总结 马尔可夫变换器通过引入CoT瓶颈提升语言模型的推理能力，实验显示其在问答任务中表现优异，且对CoT依赖性强。
Comments 21 pages, 6 figures, Accepted at ICLR 2026
One Language, Two Scripts: Probing Script-Invariance in LLM Concept Representations
一种语言，两种文字：探究LLM概念表示中的文字不变性
AI总结 本研究通过塞尔维亚双文测试，发现SAE特征在不同书写系统下仍保持语义一致性，表明模型能捕捉超越表面分词的抽象语义。
Comments Accepted at the UCRL Workshop at ICLR 2026
RegionReasoner: Region-Grounded Multi-Round Visual Reasoning
RegionReasoner: 基于区域的多轮视觉推理
机构 * University of Amsterdam（阿姆斯特丹大学） ； Anhui University（安徽大学） ； Westlake University（西湖大学）
AI总结 RegionReasoner通过强化学习框架，结合接地保真度和全局-局部语义对齐，提升多轮视觉推理的准确性和一致性。
Comments Accepted by ICLR 2026
SynthWorlds: Controlled Parallel Worlds for Disentangling Reasoning and Knowledge in Language Models
SynthWorlds: 用于语言模型中推理与知识分离的受控并行世界
机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； Google Research（谷歌研究）
AI总结 SynthWorlds通过构建两个结构相同的并行世界，分离语言模型的推理与知识能力，揭示了模型在仅依赖参数化知识和知识增强设置下的性能差异。
Comments ICLR 2026
Personalized Collaborative Learning with Affinity-Based Variance Reduction
基于亲和力的方差缩减个性化协同学习
AI总结 本文提出基于亲和力的个性化协同学习方法，通过偏差和重要性校正机制，实现异质智能体在不同异质性水平下的高效协同学习，减少样本复杂性并提升加速效果。
Comments Published as a conference paper at ICLR 2026
Latent Speech-Text Transformer
潜在语音-文本变换器
AI总结 潜在语音-文本变换器通过聚合语音标记为潜在块，提升计算效率并改善跨模态对齐，实现语音和文本性能的双重提升。
Comments Accepted to ICLR 2026 (Oral)
When Thinking Backfires: Mechanistic Insights Into Reasoning-Induced Misalignment
当思考反噬：对推理引发的不一致的机理洞察
AI总结 本文揭示了推理能力增强导致的不一致现象，通过神经元层面的分析，解释了推理与安全之间的纠缠如何引发灾难性遗忘。
Comments ICLR 2026
Towards Robust Real-World Multivariate Time Series Forecasting: A Unified Framework for Dependency, Asynchrony, and Missingness
迈向稳健的现实多变量时间序列预测：一种统一的框架用于依赖性、异步性和缺失性
AI总结 本文提出ChannelTokenFormer框架，通过统一处理多变量时间序列中的通道依赖、异步采样和缺失问题，提升预测的稳健性和准确性。
Comments Accepted at the 14th International Conference on Learning Representations (ICLR 2026)
FrontierCO: Real-World and Large-Scale Evaluation of Machine Learning Solvers for Combinatorial Optimization
FrontierCO: 机器学习求解组合优化问题的现实世界和大规模评估
机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学）
AI总结 FrontierCO通过现实世界结构和大规模实例评估，揭示了机器学习求解器在组合优化中的性能差距及优势。
Comments ICLR 2026
SPDIM: Source-Free Unsupervised Conditional and Label Shift Adaptation in EEG
SPDIM：无源无监督条件和标签偏移适应在EEG中
机构 * Nara Institute of Science and Technology (NAIST)（奈良科学技术大学） ； Department of Dynamic Brain Imaging, ATR（动态脑成像部门，ATR） ； Center for Advanced Intelligence Project, RIKEN（先进智能项目中心，RIKEN）
AI总结 SPDIM通过信息最大化原理，针对EEG中的标签偏移问题，提出了一种参数高效的流形优化方法，提升了无监督域适应的性能。
Comments Published at ICLR 2025
Robust Training of Neural Networks at Arbitrary Precision and Sparsity
在任意精度和稀疏性下神经网络的鲁棒训练
机构 * Google DeepMind（谷歌DeepMind）
AI总结 本文提出了一种统一框架，通过显式建模量化为加性噪声，解决在任意精度和稀疏性下神经网络的鲁棒训练问题，实现稳定训练和超高效网络。
Journal ref ICLR 2026
