期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
为无训练多模态步骤验证构建纳什均衡框架
机构 * Microsoft Research India（微软印度研究院） ； Indian Institute of Technology Hyderabad（印度海得拉巴理工学院）
AI总结 本文提出一种无训练的多模态步骤验证方法，将步骤验证视为专门法官之间的协调问题，并通过纳什均衡游戏形式化法官之间的交互，通过闭式解计算均衡分数，实现对分歧的敏感过滤和稳定性意识的排名，实验表明跨模态一致性（而非平均置信度）提供了鲁棒的验证信号。
Comments ICLR 2026 Workshop VerifAI-2
扩散与流基copula：遗忘与记忆依赖
机构 * Department of Statistics（统计系） ； Department of Computer Science（计算机科学系） ； University of Warwick（沃里克大学）
AI总结 本文提出基于扩散和流原理的copula建模方法，通过遗忘和记忆依赖机制，有效建模多变量依赖，提升了copula模型的表示能力，适用于复杂和高维数据。
Comments Published as a conference paper at ICLR 2026
Common Corpus: 最大的伦理数据集用于LLM预训练
机构 * PleIAs
AI总结 本文介绍了Common Corpus，一个最大的开放数据集，用于LLM预训练，该数据集包含大量非受版权或开放许可的数据，涵盖了多种语言和领域，为多语言预训练提供了支持。
Journal ref ICLR 2026 (Oral)
基于扩散Copula的概率多变量时间序列预测
机构 * Department of Statistics The University of Warwick（威斯敏斯特大学统计系） ； School of Data Science The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院）
AI总结 本文提出了一种扩散-Copula框架，通过分离边际分布学习与依赖结构学习，改进了多变量时间序列预测中对尾部风险的估计，展示了在加密货币市场中对系统性极值的预测优势。
Comments ICLR 2026 Workshop Advances in Financial AI
通过迭代部分细化在扩散模型中实现推理时间扩展
机构 * KAIST（韩国科学技术院）
AI总结 本文提出了一种无需外部验证器的扩散模型推理时间扩展方法Iterative Partial Refinement，通过在混合噪声条件下迭代部分细化生成更一致的样本，在MNIST Sudoku任务中提升了有效解率。
Comments Accepted at the ICLR 2026 Workshop on AI with Recursive Self-Improvement
CLIC: 基于上下文的语言引导心脏病理分类
机构 * Institute of Mathematical and Computer Sciences（数学与计算机科学学院） ； Universidade de São Paulo（圣保罗大学）
AI总结 本文提出CLIC框架，通过将患者上下文数据转化为描述性文本，利用自然语言编码技术提升心脏病理诊断的精确度，同时探索大语言模型生成的临床描述在下游分类任务中的应用。
Comments 6 pages, 2 figures, accepted at the ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM)
超越匹配最大化和公平性：以用户留存优化的双侧匹配
机构 * Institute of Science Tokyo（东京科学研究所） ； Waseda University（早稻田大学） ； Keio University（庆应大学） ； CyberAgent Tokyo（CyberAgent 东京） ； Hajuku-kaso, Co., Ltd.（汉久科社）
AI总结 本文提出了一种新的双侧匹配优化方法，旨在最大化用户留存而非单纯匹配数量或公平性，通过引入动态学习排序算法MRet，利用用户个性化留存曲线优化推荐策略，提升整体用户留存率。
Comments Published as a conference paper at ICLR 2026
通过信息论指导消除奖励模型中的归纳偏置
机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴大模型应用团队） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 本文提出了一种基于信息论的奖励模型去偏方法DIR，通过最大化奖励模型评分与人类偏好对之间的互信息，同时最小化奖励模型输出与偏好输入偏置属性之间的互信息，从而有效缓解归纳偏置问题并提升RLHF性能。
Comments Published as a conference paper at The International Conference on Learning Representations (ICLR) 2026
DISK: 可微稀疏核复数用于高效空间变体卷积
机构 * State Key Lab of CAD&CG, Zhejiang University, China（浙江大学CAD与CG国家重点实验室）
AI总结 本文提出了一种可微稀疏核复数分解框架，用于高效处理空间变体卷积，通过稀疏核样本表示目标空间变体密集复数核，实现了高效且可微的优化方法，适用于移动成像和实时渲染。
Comments Accepted as a conference paper at ICLR 2026. OpenReview: https://openreview.net/forum?id=bbuxDoRD2D
搜索自play：在无监督条件下推动智能体能力的前沿
机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队）
AI总结 本文提出了一种基于自play的深度搜索智能体训练方法，通过自动生成任务和解决任务来提升智能体在无监督条件下的性能，无需外部监督。
Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026)
Dr.LLM：大语言模型中的动态层路由
机构 * Parameter Lab（参数实验室） ； MBZUAI（穆扎夫法尔国际人工智能研究院） ； NAVER AI Lab（NAVER人工智能实验室） ； University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心）
AI总结 本文提出Dr.LLM，一种通过在预训练模型中加入轻量级每层路由器来实现动态层路由的框架，该方法在不改变基础权重的情况下，通过显式监督训练路由器，提高推理的计算效率和准确性。
Comments Published at ICLR 2026
近端扩散神经采样器
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种名为近端扩散神经采样器（PDNS）的框架，通过在路径测度空间上应用近端点方法，解决神经采样器在训练过程中遇到的多模式目标分布和模式崩溃问题，通过分阶段的简单子问题逐步逼近目标分布，促进模式的全面探索。
Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=XTHQqS7ObC)
视觉-语言-动作模型的混合训练
机构 * Qualcomm AI Research（高通AI研究）
AI总结 本文提出混合训练框架，旨在使视觉-语言-动作模型在推理时能够根据需要生成思考过程或直接预测动作，从而在保持性能提升的同时提高推理效率。
Comments Published as a conference paper at ICLR 2026
通过场景分割策略对文本到视频模型进行劫持
机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院） ； AIM Intelligence（AIM智能） ； Seoul National University（首尔国立大学） ； Kyung Hee University（庆熙大学）
AI总结 本文提出了一种新的黑盒劫持方法SceneSplit，通过将有害叙述分割成多个良性场景，利用场景组合作为约束来引导最终输出，从而提高生成有害视频的可能性，验证了当前文本到视频模型的安全机制存在漏洞。
Comments ICLR 2026. Project page at https://velpegor.github.io/SceneSplit/
超越分类准确度：Neural-MedBench与更深层次推理基准的需求
机构 * School of Physics Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学物理科学与技术学院） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学技术研究院） ； Beijing Chaoyang Hospital, Capital Medical University（北京朝阳医院） ； Sleep Medical Center, Huzhou Third Municipal Hospital, Affiliated Hospital of Wenzhou Medical University（湖州第三人民医院睡眠医学中心，温州医科大学附属医院） ； University of Macau（澳门大学） ； Renyixun Health Technology Co., Ltd（仁颐讯健康科技有限公司） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学交叉学科研究院）
AI总结 本文提出Neural-MedBench，一个专门用于测试多模态神经病学推理能力的基准，揭示现有医疗数据集过于强调分类准确度的问题，并通过系统评估发现模型推理失败而非感知误差主导性能下降，强调需要兼顾广度与深度的评估框架。
Comments 23 pages, 12 figures
Journal ref ICLR'2026
QWHA: 量化感知的沃尔什-哈达玛适应用于大型语言模型的参数高效微调
机构 * Seoul National University（首尔国立大学） ； Sungkyunkwan University（全北国立大学）
AI总结 本文提出QWHA方法，通过将基于傅里叶变换的适配器与沃尔什-哈达玛变换结合，改进量化感知参数高效微调，有效减少量化误差并降低计算成本。
Comments 25 pages, 9 figures, 14 tables
Journal ref ICLR 2026 Poster
IR-Agent: 专家启发的LLM代理用于从红外光谱中解析分子结构
机构 * KAIST（韩国科学技术院） ； KRICT（韩国信息通信技术研究院）
AI总结 本文提出IR-Agent，一种新的多代理框架，用于从红外光谱中解析分子结构，通过模拟专家驱动的分析过程，提升结构解析的准确性。
Comments ICLR 2026
HSG-12M: 一种大规模空间多图基准，源自非厄密晶体能量谱
机构 * National University of Singapore（新加坡国立大学） ； NUS Centre for Bioimaging Sciences（新加坡国立大学生物成像科学中心）
AI总结 本文提出HSG-12M，一个包含1160万静态和510万动态哈密顿量谱图的数据集，用于研究非厄密量子物理中的复杂几何结构，填补了现有图基准在空间多边学习方面的空白。
Comments Accepted to ICLR 2026, OpenReview: [https://openreview.net/forum?id=YxuKCME576]. 49 pages, 13 figures, 14 tables. Code & pipeline: [https://github.com/sarinstein-yan/Poly2Graph] Dataset: [https://github.com/sarinstein-yan/HSG-12M] Dataset released under CC BY 4.0. The Fourteenth International Conference on Learning Representations (ICLR 2026)
Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)
自适应摄像头传感器用于视觉模型
机构 * Graduate School of Data Science（数据科学研究生院） ； Seoul National University（首尔国立大学） ； Department of Computer Science & Engineering（计算机科学与工程系） ； Seogang University（世宗大学） ； Ulsan National Institute of Science and Technology（乌山国立科学技术研究院）
AI总结 本文提出Lens，一种基于人类视觉感知的自适应摄像头传感器控制方法，通过从模型视角捕获高质量图像来提升模型性能，同时在真实时间内适应特定模型和场景，并通过新的ImageNet-ES Diverse数据集验证了其有效性。
Comments The International Conference on Learning Representations (ICLR 2025)
归一化常数估计的复杂性分析：从Jarzynski等式到退火重要性采样及其进一步发展
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了归一化常数估计问题，提出了一种非渐近分析方法，推导了退火重要性采样估计归一化常数的复杂度，并提出了一种新的算法以处理多模态问题。
Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=96fJALwotm)
99%成功悖论：当近完美检索等于随机选择
机构 * Meta Platforms Inc.（Meta平台公司）
AI总结 该研究引入了Bits-over-Random（BoR）指标，揭示了高成功率可能掩盖随机水平性能的现象，指出在大规模数据集上，即使检索结果覆盖率达到99%，其选择性仍可能接近零，从而表明需要重新考虑检索深度和传统指标的报告方式。
Comments 12 pages, 2 figures, 7 tables. Accepted at ICLR 2026 Blog Track, https://iclr-blogposts.github.io/2026/blog/2026/bits-over-random/
Journal ref ICLR Blog Track 2026, https://iclr.cc/virtual/2026/poster/10012083
记忆专家的组合用于扩散世界模型
机构 * Computer Vision Group（计算机视觉组） ； Department of Computer Science（计算机科学系） ； University of Bern（伯恩大学）
AI总结 本文提出了一种基于扩散的世界模型框架，通过组合专门化的记忆专家来解决记忆与效率之间的权衡问题，提升了时间一致性、过去观察的回忆和导航性能。
Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR), 2026
基于查询意识的流扩散图基RAG系统：具有检索保证
机构 * Samsung SDS Research America（三星SDS美国研究院）
AI总结 本文提出了一种无需训练的Query-Aware Flow Diffusion RAG（QAFD-RAG）系统，通过动态适应查询语义来改进图基RAG系统的检索能力，提供了首次统计保证，证明在弱信号-噪声条件下，QAFD-RAG能够以高概率恢复相关子图。
Comments Published at the International Conference on Learning Representations (ICLR) 2026. 38 pages, 5 figures, 10 tables
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