ICLR

FARI: Robust One-Step Inversion for Watermarking in Diffusion Models

FARI：用于扩散模型水印的鲁棒单步反演

Jindong Yang, Han Fang, Weiming Zhang, Nenghai Yu, Kejiang Chen

AI总结 本研究提出FARI框架，通过单步反演结合轻量级对抗LoRA微调，在提升扩散模型水印验证鲁棒性的同时大幅缩短推理时间，效率与性能均优于50步DDIM反演。

Comments Accepted by ICLR 2026

Flow Map Learning via Nongradient Vector Flow

基于非梯度向量流的流图学习

Mark Goldstein, Anshuk Uppal, Raghav Singhal, Aahlad Puli, Rajesh Ranganath

机构 * Flatiron Institute（弗拉蒂隆研究所） ； Technical University of Denmark（丹麦技术大学） ； Courant Institute, New York University（纽约大学柯朗研究所） 纠错

AI总结 本文提出SGFlow方法，绕过流图学习的可逆性与迭代微分难题，在CIFAR基准上10采样步时FID最优，其他步数具竞争力且有驻点保证。

Comments ICLR 2026

Even More Deception: Objective Misalignment in Mixed-Motive LLM Multi-Agent Systems

更严重的欺骗：混合动机大型语言模型多智能体系统中的目标不一致

Marylou Fauchard, Florian Carichon, Margarida Carvalho, Golnoosh Farnadi

AI总结 该研究以《狼人杀》为框架，分析LLM多智能体的目标不一致问题，发现其会破坏对抗环境结果且在公开行为中难察觉，凸显需缓解策略。

Comments Accepted at AIWILD@ICLR 2026