期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
GaussianFusion：用于多模态融合感知的统一3D高斯表示
机构 * Tencent, Autonomous Driving Lab（腾讯自动驾驶实验室）
AI总结 提出基于3D高斯表示的多模态融合框架GaussianFusion，通过连续3D高斯空间统一多模态特征，保留细节，支持多种3D感知任务，在nuScenes上检测NDS提升2.6，占用预测mIoU提升1.55且速度提升450%。
Comments ICLR 2026
多标签节点分类中的标签影响传播
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Capital One ； GrabTaxi Holdings Pte. Ltd.（GrabTaxi控股私人有限公司）
AI总结 提出标签影响传播（LIP）模型，通过分解GNN的消息传递为传播和变换操作，量化标签间影响，构建标签影响图传播高阶影响，动态调整学习过程，在多标签节点分类任务上超越现有方法。
Comments Accepted to ICLR 2025
基于块Lewis权重的分布鲁棒线性回归
机构 * TTIC（丰田工业大学芝加哥分校） ； Institute for Foundations of Data Science, Yale University（耶鲁大学数据科学基础研究所）
AI总结 提出一种基于块Lewis权重的算法，通过求解少量线性系统获得群体分布鲁棒最小二乘问题的近似最优解，在中等精度下优于内点方法。
Comments ICLR 2026. Comments welcome!
PaAno：基于片段的时序异常检测表示学习
机构 * Department of Industrial Engineering, Sungkyunkwan University（成均馆大学工业工程系）
AI总结 PaAno提出一种轻量高效的时序异常检测方法，通过提取短时片段并使用1D卷积神经网络进行嵌入，结合三元组损失和预设任务损失提升表示学习效果，实验证明在多种评估指标上优于现有方法。
Comments Accepted by the 14th International Conference on Learning Representations (ICLR 2026)
用小代理模型预测LLM推理性能
机构 * Trillion Labs ； KAIST AI（韩国科学技术院人工智能系）
AI总结 提出rBridge方法，通过任务对齐加权负对数似然，使小模型（≤1B）有效预测大模型推理性能，成本降低超100倍，在1B-32B规模上实现最强相关性。
Comments ICLR 2026
选择性专家引导实现强化学习中有效且多样的探索
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学上海智能教育研究院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； Ant Group（蚂蚁集团）
AI总结 提出MENTOR框架，仅在关键决策点提供专家引导，平衡探索的有效性与多样性，提升LLM在可验证奖励强化学习中的推理能力。
Comments Accepted by ICLR 2026
冗长性权衡与规模对LLM自我解释忠实度的影响
机构 * Google DeepMind（谷歌DeepMind） ； Centre for AI, University College London（伦敦大学学院人工智能中心） ； Imperial College London（伦敦帝国学院） ； University College London（伦敦大学学院）
AI总结 本文分析13个模型家族共75个模型的反事实忠实度，提出phi-CCT和F-AUROC两个新指标，发现更大更强的模型在所有指标上更忠实。
Comments ICLR 2026 Workshop on Principled Design for Trustworthy AI - Interpretability, Robustness, and Safety across Modalities 67 pages, 13 figures
嘿，那是我的模型！引入链与哈希，一种大语言模型指纹识别技术
机构 * Microsoft（微软）
AI总结 提出一种基于链与哈希的LLM指纹识别框架，通过加密绑定提示与响应防止碰撞，并利用随机填充和元提示配置增强鲁棒性，实现可验证的所有权证明。
Comments Published at ICLR 2026
PETIMOT：一种利用SE(3)-等变图神经网络从稀疏数据推断蛋白质运动的新框架
机构 * Department of Computational, Quantitative, and Synthetic Biology (CQSB), UMR 7238 IBPS, Sorbonne Université, CNRS（索邦大学国家科学研究中心计算、定量与合成生物学系（CQSB），UMR 7238 IBPS） ； Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学国家科学研究中心格勒诺布尔国立理工学院让·库尔实验室（LJK）） ； Institut universitaire de France (IUF)（法国大学研究院（IUF））
AI总结 提出PETIMOT框架，利用SE(3)-等变图神经网络和预训练蛋白质语言模型，从稀疏实验数据推断蛋白质连续紧凑运动表示，在捕捉大/慢构象变化方面优于扩散、流匹配及传统物理模型。
Journal ref LMRL Workshop at ICLR 2025; Acta Crystallographica Section D 2026
在分析不规则时间序列数据中稳定的神经随机微分方程
机构 * Ulsan National Institute of Science and Technology（蔚山科学技术院）
AI总结 本文提出三种稳定的神经随机微分方程，通过设计漂移和扩散函数以维持稳定性并提升性能，实验表明其在处理不规则时间序列数据时有效。
Comments Published at the Twelfth International Conference on Learning Representations (ICLR 2024), Spotlight presentation (Notable Top 5%). https://openreview.net/forum?id=4VIgNuQ1pY
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