ICLR

Aggregate-then-Calibrate for Human-centered Assessment with Theoretical Guarantees

面向以人为中心评估的聚合后校准方法（AtC）及理论保证

Zejun Xie, Xintong Li, Guang Wang, Desheng Zhang

AI总结 该研究针对以人为中心评估的两难问题，提出AtC两阶段框架，结合人类判断与模型分数，兼具理论保证，在半合成及真实数据集上提升了评估的准确性与鲁棒性。

Comments Accepted by ICLR 2026

LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses

大语言模型引导的检索用于分子扰动响应预测

Betty Xiong, Jan-Christian Huetter, Gabriele Scalia, Tommaso Biancalani, Sepideh Maleki

机构 * Stanford University（斯坦福大学） ； Genentech（基因泰克） 纠错

AI总结 本研究提出LLM引导的检索方法，在Tahoe-100M数据集上优于多个基线，可提升分子扰动预测的方向准确率，是零样本分子扰动预测的关键驱动因素。

Comments Published at MLGenX @ ICLR 2026

Differentiable Lifting for Topological Neural Networks

拓扑神经网络的可微提升

Jorge Luiz Franco, Gabriel Duarte, Alexander Nikitin, Moacir Ponti, Diego Mesquita, Amauri H. Souza

机构 * University of São Paulo（圣保罗大学） ； Instituto Curvelo（库尔韦洛研究所） ； Federal Institute of Ceará（塞阿拉联邦学院） ； Aalto University（阿尔托大学） ； Getulio Vargas Foundation（热图利奥·瓦加斯基金会） 纠错

AI总结 针对拓扑神经网络（TNNs）图提升操作先验识别的缺陷，提出可微提升框架DiffLift，实验显示其在多基准分类任务上优于现有方法，最高提升45%。

Comments Published as a conference paper at ICLR 2026 (OpenReview: https://openreview.net/forum?id=eC89CbINIw). 20 pages, 4 figures

An Embedded RISC-V Evaluation of Kolmogorov--Arnold Networks in Hard-Constrained Recurrent Physics-Informed Models

硬约束循环物理信息模型中柯尔莫哥洛夫-阿诺德网络的嵌入式RISC-V评估

Enzo Nicolas Spotorno, Josafat Leal Filho

AI总结 本文在RISC-V嵌入式平台上评估硬约束循环物理信息模型的KAN残差分支，发现其部署时延迟和能耗高于MLP，量化后可靠性更差，不适合作为默认选择。

Comments 6 pages, submitted to SBESC 2026 as an extension to the ICLR Workshop Paper https://openreview.net/forum?id=iHpbQn99RB