期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
Multi-LCB: 将 LiveCodeBench 扩展到多种编程语言
机构 * GigaCode ； Yandex School of Data Analysis, Applied AI Institute（Yandex数据分析学院，应用人工智能研究所）
AI总结 提出 Multi-LCB 基准，将 LiveCodeBench 的 Python 任务扩展到 12 种编程语言，评估 LLM 跨语言代码生成能力，发现 Python 过拟合和语言特定污染等问题。
Comments ICLR 2026
像素级残差扩散Transformer：可扩展的3D CT体生成
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院）
AI总结 提出像素级残差扩散Transformer（PRDiT），通过两阶段训练（局部MLP盲估计器分离低频结构+全局残差扩散Transformer建模高频残差）实现高保真3D CT体生成，在LIDC-IDRI和RAD-ChestCT数据集上优于现有方法。
Comments Accepted at ICLR 2026. Code available at https://github.com/Fredy-Zhang/PRDiT
语言引导的视觉嵌入用于可控且可泛化的感知
机构 * Google（谷歌）
AI总结 提出语言引导视觉嵌入（LIVE）方法，利用语言动态引导视觉编码器生成任务中心嵌入，无需任务特定重训练，减少视觉幻觉并提升泛化能力。
Journal ref Published as a conference paper at ICLR 2026
基于因果归因的剪枝保留大型语言模型的推理性能
机构 * Edison Academy Magnet School（爱迪生学院磁石学校） ； Massachusetts Institute of Technology（麻省理工学院） ； State University of New York College at Plattsburgh（纽约州立大学普拉茨堡学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员）
AI总结 提出无需训练的因果归因剪枝（CAP）方法，通过测量注意力头对推理任务的因果影响进行细粒度剪枝，在20%稀疏度下相比Wanda在ARC-Challenge上准确率提升高达61%。
Comments Accepted at the ICLR 2026 Workshop on LLM Reasoning. 13 pages, 2 figures
物理信息神经网络的进化两阶段超参数优化策略
机构 * HSE University（高等经济大学） ； AXXX
AI总结 针对物理信息神经网络训练不稳定、超参数敏感的问题，提出基于进化算法的两阶段优化策略，先低保真筛选再全训练，在三个PDE问题上显著降低误差。
Comments Equal advising: Daria Pugacheva and Fedor Ratnikov. Accepted to the ICLR 2026 Workshop on AI and PDEs
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