期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
重新审视主动顺序预测-驱动的均值估计
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文重新审视主动顺序预测驱动的均值估计问题，提出基于不确定性建议和常数概率的混合方案，并通过非渐近分析建立了数据依赖的置信区间界。
Comments Published as a conference paper at ICLR 2026
被牵连的科学家：人工智能研究者在武器系统发展中的作用
机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec AI Institute（魁北克AI研究所）
AI总结 本文探讨AI研究者在AI赋能武器系统造成伤害中的角色，分析其牵连性并提出通过长期距离的团结来应对技术加剧的不正义。
Comments Presented as an oral talk and a poster at the AI for Peace workshop at ICLR 2026
EAST：基于标记掩码的早期动作预测采样策略
机构 * Faculty of Electrical Engineering and Computing, University of Zagreb（电子工程与计算学院，扎格reb大学）
AI总结 本文提出EAST框架，通过随机训练策略和标记掩码技术，提升早期动作预测模型在不同观察比例下的泛化能力，并在多个数据集上取得新突破。
Comments Accepted at ICLR 2026
通过组合提示分解实现长文本到图像生成
机构 * Peking University（北京大学） ； Harvard University（哈佛大学）
AI总结 本文提出PRISM方法，通过轻量模块提取长提示的组成部分，使预训练T2I模型能处理长序列输入，实现对复杂场景的建模，优于基线模型。
Comments Accepted to the Fourteenth International Conference on Learning Representations (ICLR 2026)
DiffuSAM: 基于扩散的零样本目标定位用于遥感影像
机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔）
AI总结 本文提出DiffuSAM，结合扩散模型与先进分割模型，提升遥感影像目标定位精度，实验显示在Acc@0.5上提升超14%。
Comments Accepted at ICLR 2026 ML4RS Workshop
可微模拟器能否提供更好的策略梯度？
机构 * The University of Tokyo（东京大学）
AI总结 本文探讨可微模拟器在策略梯度方法中的有效性，提出DDCG和IVW-H两种方法，通过切换估计器和控制方差提升鲁棒性与样本效率。
Comments ICLR2026
Journal ref The Fourteenth International Conference on Learning Representations. ICLR 2026
RAPSTuner：基于检索的软提示用于在非平稳环境中具有情境意识的黑盒优化
机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系）
AI总结 本文提出RAPSTuner，通过检索相似历史情境来识别模式代理，利用混合专家代理预测短期损失，并在低维提示子空间中进行适应，以减少非平稳环境中黑盒优化的累积遗憾。
Comments Withdraw by ICML and prepare for NeurIPS or ICLR
潜在傅里叶变换
机构 * CSAIL（计算机科学与人工智能实验室）
AI总结 本文提出潜在傅里叶变换框架，通过频域控制生成音乐模型，分离音乐模式并保持时尺度特征，提升生成质量与可解释性。
Comments ICLR 2026 Oral
通过掩码潜在注意力的心脏时间序列基础模型
机构 * Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系，瑞士） ； Department of Biomedical Engineering, University of Basel, Switzerland（巴塞尔大学生物医学工程系，瑞士）
AI总结 本文提出LAMAE基础模型，通过自监督预训练学习跨导联连接机制，提升ECG表示质量和迁移能力，在预测ICD-10编码上优于独立导联掩码模型和对齐基线。
Comments First two authors are co-first. Last two authors are co-senior
Journal ref ICLR 2026: Workshop on Foundation Models for Science
Pointy - 一种轻量级的点云基础模型变压器
机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学）
AI总结 Pointy通过轻量级的点云变压器架构，在仅使用39k点云数据的情况下，超越了使用超过20万样本训练的更大基础模型，展示了精心设计的训练设置和架构的价值。
Comments To appear in the proceedings of ACIVS 2025. An earlier version was presented at the SCI-FM workshop at ICLR 2025
Journal ref In: Blanc-Talon, J., Delmas, P., Takahashi, H., Yasuhiro, M. (eds) Advanced Concepts for Intelligent Vision Systems. ACIVS 2025. Lecture Notes in Computer Science, vol 15656. Springer, Cham
通用扩散式概率降尺度
AI总结 本文提出一种通用扩散降尺度框架，通过无需特定模型微调将确定性低分辨率天气预报转化为概率高分辨率预测，评估结果显示其在提升空间分辨率和不确定性表示方面具有显著优势。
Comments ICLR 2026 Workshop on AI and Partial Differential Equations
端到端听、看、说和行动
机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动）
AI总结 本文提出ELLSA模型，首个端到端全双工系统，实现视觉、文本、语音和行动的同步感知与生成，支持对话轮替、指令拒绝等复杂交互行为，推动更自然的人工智能发展。
Comments 22 pages, 8 figures
Journal ref ICLR 2026
构造性失真：通过注意力引导的图像扭曲改进MLLMs
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Skan AI ； Texas A&M University（德克萨斯大学阿姆斯特朗分校） ； University of California, Irvine（加州大学 Irvine 分校）
AI总结 本文提出AttWarp方法，通过注意力引导的图像扭曲增强MLLMs对细节和空间关系的感知能力，提升准确性和推理能力。
Comments Accepted at ICLR 2026
MeSH: 递归变换器的记忆作为状态高速公路
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出MeSH方案，通过外部化状态管理与轻量级路由解决递归变换器中的计算同质化和信息过载问题，提升模型性能。
Comments Accepted by ICLR 2026
投影耦合扩散用于测试时间受限的联合生成
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Computer Science and Information Technology, Universiti Malaya（马来亚大学计算机科学与信息技术学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所）
AI总结 本文提出投影耦合扩散（PCD），一种用于受限联合生成的测试时间框架，通过耦合指导项促进扩散模型协调，并在每个扩散步骤中引入投影步骤以强制硬约束，实验证明其在图像对生成、物体操作和多机器人运动规划中的有效性。
Comments ICLR 2026. OpenReview: https://openreview.net/forum?id=1FEm5JLpvg. Code: https://github.com/EdmundLuan/pcd
语言模型中表示分散度的预测能力研究
机构 * University of Chicago（芝加哥大学） ； University of Maryland（马里兰大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； Stony Brook University（史泰福布鲁克大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文探讨了语言模型表示分散度与预测能力的关系，发现分散度越高，困惑度越低，并提出利用分散度进行模型筛选和优化的方法。
Comments ICLR 2026
机构 * EPFL Lausanne（日内瓦联邦理工学院拉沃斯分校） ； UC Berkeley（伯克利大学） ； Courant Institute, NYU（纽约大学Courant研究所）
Comments Accepted at ICLR 2026. Camera-ready version
ScienceBoard: 评估多模态自主代理在真实科学工作流中的表现
机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Peking University（北京大学） ； Nanjing University（南京大学） ； East China Normal University（华东师范大学） ； Yale University（耶鲁大学）
AI总结 ScienceBoard通过真实多领域环境和169个高质量任务评估多模态自主代理在科学工作流中的能力，发现现有代理在复杂任务中仅达到15%的成功率，揭示了改进设计原则的必要性。
Comments ICLR 2026 Camera Ready Version
重新思考大语言模型中的不确定性估计：一种原理性的单序列度量
机构 * ELLIS Unit Linz and LIT AI Lab（林茨ELLIS单元和LIT AI实验室） ； Institute for Machine Learning, Johannes Kepler University Linz（机器学习研究所，林茨约瑟夫·克里格大学） ； NXAI GmbH（NXAI公司）
AI总结 本文提出基于proper scoring rules框架的G-NLL方法，通过单序列贪心解码实现高效可靠的不确定性估计，挑战传统多序列方法的必要性。
Comments ICLR 2026
对抗领域：通过互动竞争进行众包数据生成
机构 * Amazon Nova Responsible AI（亚马逊Nova负责任人工智能）
AI总结 本文提出对抗领域框架，通过攻击者和防御者之间的互动竞争生成高质量对话数据，提升低资源领域和多轮对话的质量。
Comments 10 pages, 3rd DATA-FM workshop @ ICLR 2026
多样字典学习
机构 * CMU（卡内基梅隆大学） ； MBZUAI（马克斯·普朗克人工智能研究所） ； NYU（纽约大学）
AI总结 本文提出多样字典学习问题，探讨在无法完全辨识的情况下，如何通过集合运算恢复潜在变量的结构，并展示其在合成和真实数据中的有效性。
Comments ICLR 2026
LASER：低秩激活SVD用于高效递归
机构 * Harvard University（哈佛大学）
AI总结 本文研究了递归架构中激活流形的几何结构，提出LASER框架通过动态压缩实现激活记忆节省，同时保持模型精度。
Comments Accepted to the Latent and Implicit Thinking Workshop at ICLR 2026
误差作为信号：通过嵌入式龙格-库塔引导的刚性感知扩散采样
机构 * Korea University（韩国大学） ； KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； Korea Institute for Advanced Study（韩国高级研究院）
AI总结 本文提出嵌入式龙格-库塔引导方法，通过识别刚性区域减少局部截断误差，提升扩散模型采样稳定性与质量。
Comments ICLR 2026
SOK：代理供应链运行时的攻击向量和防御策略分类
机构 * Independent Researcher（独立研究者）
AI总结 本文系统化了现有研究，提出统一的运行时框架，区分数据和工具供应链攻击，并识别出病毒代理循环现象，主张采用零信任运行时架构。
Comments Published at ICLR 2026 Workshop on AI for Mechanism Design and Strategic Decision Making
超越URLs：元数据多样性与位置对高效LLM预训练的影响
机构 * EPFL（苏黎世联邦理工学院） ； University of Southern California（南加州大学）
AI总结 本文研究了元数据类型对LLM预训练的影响，发现细粒度文档质量指标能提升训练效率，并提出元数据追加方法以加速预训练过程。
Comments ICLR 2026
大语言模型判官的保质期：未来证明、向后兼容性和问题泛化
机构 * Salesforce AI Research（Salesforce AI研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Dartmouth College（达特茅斯学院）
AI总结 本文研究了细调判官模型在现实部署中的挑战，探讨了未来证明、向后兼容性和问题泛化三个核心问题，并通过实验发现持续学习在适应响应分布变化方面表现更优。
Comments Updated after ICLR 2026 Acceptance; 29 pages;
RefineStat: 高效探索概率程序合成
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 RefineStat通过引入语言模型驱动框架，在概率程序合成中强制语义约束并应用诊断感知细化，提升生成程序的语法正确性和统计可靠性。
Comments RefineStat constrains LM decoding with statistical validity checks and uses diagnostic-guided resampling (priors/likelihoods) to transform small LMs' drafts into correct, reliable probabilistic programs that can match or surpass closed-source models
Journal ref ICLR 2026 (Oral)
通过多尺度高斯学习残基水平蛋白质动力学
机构 * CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Dept. of Mathematics, Massachusetts Institute of Technology（麻省理工学院数学系）
AI总结 本文提出DynaProt框架，通过多变量高斯方法从静态结构预测蛋白质动力学，实现残基灵活性预测和协方差矩阵重建，具有更少参数和高精度。
Comments ICLR 2026
Bi-LoRA：高效锐度感知最小化用于大规模模型微调
机构 * Institute of Image Processing and Pattern Recognition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（图像处理与模式识别研究所，自动化与智能感知学院，上海交通大学） ； MoE Key Laboratory of System Control and Information Processing (Shanghai)（系统控制与信息处理MOE重点实验室（上海））
AI总结 Bi-LoRA通过引入辅助LoRA模块，有效解决传统SAM在LoRA参数上的限制，实现更高效的锐度优化，提升模型泛化能力。
Comments 32 pages,ICLR 2026
DriveAgent-R1: 通过主动感知和混合思维推进基于视觉语言模型的自动驾驶
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； LiAuto ； Tongji University（同济大学） ； Tsinghua University（清华大学）
AI总结 DriveAgent-R1通过主动感知和混合思维框架，提升自动驾驶中的视觉推理能力，采用三阶段训练策略，在复杂场景中实现高效决策，展现与顶级模型相当的性能。
Comments Accepted to 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