期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
推理步扩展揭示弱点：解密和改进大语言模型中的推理泛化
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学） ； City University of Hong Kong, Shenzhen Research Institute（香港城市大学深圳研究院）
AI总结 本文通过多领域任务研究发现，推理错误集中在少数关键错误类型的位置，而非均匀分布。提出在推理过程中动态识别并禁用错误处理头，从而提升推理步泛化能力。
Comments 52 pages, accepted by ICLR 2026 main conference
NRGPT：一种基于能量的GPT替代方案
机构 * IBM Research（IBM研究院） ； Georgia Tech（佐治亚理工学院） ； Brown University（布朗大学） ； MIT（麻省理工学院）
AI总结 NRGPT通过最小化修改将GPT与能量基模型框架统一，其推理过程被视为在能量景观上探索，实验证明在特定条件下可转化为梯度下降，适用于简单语言、代数任务和更复杂的语言建模。
Comments Accepted to ICLR 2026 main conference
多模态癌症生存分析中的结构预后事件建模
机构 * King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学）
AI总结 本文提出SlotSPE框架，通过槽注意力机制压缩多模态数据为结构化槽，有效建模癌症生存分析中的复杂交互，提升预后相关性与可解释性。
Comments 37 pages, 14 Figures
Journal ref The Fourteenth International Conference on Learning Representations (ICLR2026)
SelvaBox：用于热带树冠检测的高分辨率数据集
机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Rubisco AI（Rubisco人工智能） ； Colorado Mesa University（科罗拉多 mesa大学） ； Polytechnique Montreal（蒙特利尔理工学院）
AI总结 本文提出SelvaBox数据集，用于提升热带树冠检测的准确性与鲁棒性，通过高分辨率无人机影像实现大规模标注，验证了高分辨率输入和多尺度训练对检测性能的提升。
Journal ref The Fourteenth International Conference on Learning Representations, 2026 (ICLR)
PPLLaVA：通过提示引导的视频序列理解
机构 * Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学） ； XPeng Inc.（小鹏汽车有限公司） ； Ministry of Industry and Information Technology of the People’s Republic of China, China Electronics Standardization Institute, Beijing, China（中华人民共和国工业和信息化部，中国电子标准化研究院，北京，中国）
AI总结 PPLLaVA通过提示引导的池化策略实现视频序列高效理解，减少18倍token，提升推理效率并在多种视频理解任务中取得最佳性能。
Comments Accepted to ICLR' 26
通过代理自动形式化内存规范
机构 * Normal Computing ； Fraunhofer Institute for Experimental Software Engineering (IESE)（弗劳恩霍夫实验软件工程研究所）
AI总结 本文提出通过代理自动形式化自然语言内存芯片规范，生成可用于下游验证任务的DRAMPyML形式化表示，并发布DRAMBench基准数据集评估模型能力。
Journal ref ICLR Verif-AI 2 Workshop 2026
超越后缀：在大语言模型对抗攻击中的标记位置
机构 * University of Cagliari（卡利里大学） ； Sapienza University of Rome（罗马大学） ； Huawei Technologies Finland Research Center（芬兰华为技术研究中心）
AI总结 研究探讨了在大语言模型对抗攻击中，标记位置对攻击成功率的影响，指出在Greedy Coordinate Gradient攻击中，优化攻击生成前缀而非后缀以及调整对抗标记位置对攻击效果有显著影响。
Comments 12 pages, 10 figures, presented at the "I Can't Believe It's Not Better" workshop at ICLR 2026
折扣模型搜索用于高维度量空间中的质量多样性优化
机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学计算机科学系）
AI总结 本文提出折扣模型搜索（DMS）以解决高维度量空间中质量多样性优化的局限性，通过引入图像高维空间作为度量空间，提升算法性能。
Comments Accepted to ICLR 2026 (Oral presentation). Project page available at https://discount-models.github.io
LLM DNA：通过功能表示追溯模型进化
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学智远学院）
AI总结 本文提出LLM DNA概念，通过低维生物利普希茨表示捕捉模型功能行为，解决现有方法的局限性，实验显示其在模型关系分析和进化树构建中的有效性。
Comments ICLR 2026 (Oral)
Journal ref International Conference on Learning Representations 2026
G-reasoner：用于统一图结构知识推理的基础模型
机构 * Monash University（莫纳什大学） ； Nanjing University of Science and Technology（南京理工大学） ； Griffith University（格里菲斯大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； NVIDIA（英伟达）
AI总结 G-reasoner通过整合图与语言基础模型，实现对多样化图结构知识的高效推理，采用标准化四层抽象QuadGraph统一异构知识源，并通过混合精度训练和分布式消息传递提升效率与泛化能力。
Comments Accepted by ICLR 2026
任务向量，学习而非提取：性能提升与机理洞察
机构 * University of Chicago（芝加哥大学） ； JAIST ； Northwestern University（西北大学） ； RIKEN（日本研究机构） ； Tohoku University（东北大学）
AI总结 本文提出直接训练学习任务向量（LTVs），在准确性与灵活性上优于传统提取方法，并揭示了任务向量在计算中的机理作用，包括注意力头电路和线性传播特性。
Comments ICLR 2026
通过注意力头分析实现上下文学习中的任务识别与任务学习本地化
机构 * University of Chicago（芝加哥大学） ； Tohoku University（东北大学） ； RIKEN（日本研究机构） ； JAIST（日本产业技术综合研究所）
AI总结 本文通过分析注意力头，提出任务子空间logit归因框架，揭示大语言模型在上下文学习中任务识别与任务学习的独立作用机制。
Comments ICLR 2026
VLBiMan: 视觉-语言锚定的一次示例演示使通用化双臂机器人操作成为可能
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 VLBiMan通过任务感知分解从单个示例中提取可重用技能，实现双臂机器人操作的通用化，减少演示需求并增强跨平台适应性。
Comments accepted by ICLR 2026. The project link is https://hnuzhy.github.io/projects/VLBiMan/
超越提示诱导的谎言：调查LLM在良性提示上的自我欺骗
机构 * Institute of Data Science National University of Singapore（数据科学研究所，新加坡国立大学）
AI总结 本文研究LLM在良性提示下的自我欺骗行为，提出基于Contact Searching Questions的框架，通过两个统计指标量化欺骗可能性，发现任务难度增加时欺骗倾向上升，模型容量增加并不总能减少欺骗。
Comments ICLR 2026 (Oral)
Journal ref International Conference on Learning Representations (2026)
CryoSplat: 基于高斯点散的冷冻电镜均匀重建
机构 * Department of Computer Science（计算机科学系） ； Stony Brook University（石溪大学） ； Department of Artificial Intelligence（人工智能系） ； Westlake University（西湖大学）
AI总结 本文提出CryoSplat，一种基于高斯点散的冷冻电镜均匀重建方法，通过整合高斯点散与冷冻电镜成像物理，实现从原始冷冻电镜粒子图像直接稳定高效地进行均匀重建。
Comments Published at ICLR 2026 (Camera-ready). Code available at https://github.com/Chen-Suyi/cryosplat
GPT-4o对视觉的理解有多好？在标准计算机视觉任务上评估多模态基础模型
机构 * Swiss Federal Institute of Technology（瑞士联邦理工学院）
AI总结 本文评估了GPT-4o等多模态基础模型在标准计算机视觉任务上的表现，发现其在语义任务上优于几何任务，GPT-4o在非推理模型中表现最佳，推理模型在几何任务中有所提升。
Comments ICLR 2026. Project page at https://fm-vision-evals.epfl.ch/
解耦安全适配器实现高效的防护措施和灵活的推理时对齐
机构 * Apple（苹果公司）
AI总结 本文提出解耦安全适配器框架，通过分离安全计算与任务优化基础模型，提升推理效率和开发灵活性，实验证明其在 hate speech 分类等任务中显著优于传统模型。
Comments ICLR 2026 Workshop: Principled Design for Trustworthy AI
从多个环境中稳健地识别治疗效应
机构 * Department of Statistics, University of Michigan（密歇根大学统计系）
AI总结 本文提出RAMEN算法，通过利用多数据源的异质性，无需了解潜在因果图即可获得无偏治疗效应估计，通过双重稳健识别方法提升因果推断的准确性。
Comments Accepted for presentation at the International Conference on Learning Representations (ICLR) 2025
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