ICLR

Alignment has a Fantasia Problem

对齐存在幻想问题

Nathanael Jo, Zoe De Simone, Mitchell Gordon, Ashia Wilson

AI总结 该研究指出指令微调AI因不理解人类认知过程会产生幻想交互，剥夺用户任务自主权，进而提出需重新思考对齐研究，优化交互中认知责任分配并规划了相关研究议程。

Comments 10 pages, 2 figures

Journal ref ICLR 2026 Workshop HCAIR

Reducing information dependency does not cause training data privacy. Adversarially non-robust features do

减少信息依赖不会导致训练数据隐私泄露。对抗性非鲁棒特征才会

Rasmus Torp, Shailen K. Smith, Adam Breuer

机构 * Dartmouth College（达特茅斯学院） ； Breuer Lab（布鲁尔实验室） 纠错

AI总结 挑战信息依赖导致训练数据隐私泄露的观点，通过三个结果揭示对抗性非鲁棒特征才是原因，引入反对抗训练建立因果关系并揭示隐私-鲁棒性权衡，修正对训练数据暴露的理解。

Comments In The Fourteenth International Conference on Learning Representations (ICLR'26), 2026

Improving Attributed Long-form Question Answering with Intent Awareness

通过意图意识提升带有属性的长形式问答

Xinran Zhao, Aakanksha Naik, Jay DeYoung, Joseph Chee Chang, Jena D. Hwang, Tongshuang Wu, Varsha Kishore

机构 * Allen Institute for AI（艾伦人工智能研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出通过增强模型意图意识来提升长报告生成质量，通过结构化标签方案提取隐含意图，改进零样本生成能力并生成高质量合成数据，实验显示在科学报告生成任务中模型性能平均提升2.9和12.3个百分点。

Comments 39 pages, 7 figures

Journal ref ICLR 2026

Iterative Training of Physics-Informed Neural Networks with Fourier-enhanced Features

融合傅里叶增强特征的物理信息神经网络迭代训练

Yulun Wu, Miguel Aguiar, Karl H. Johansson, Matthieu Barreau

机构 * Division of Decision and Control Systems（决策与控制系统 division） ； Digital Futures（数字未来） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

AI总结 针对PINNs训练的频谱偏差问题，提出IFeF-PINN算法，通过随机傅里叶特征丰富潜在空间，经理论证明与实验验证，该算法在经典基准问题上性能优于现有最优算法。

Comments Accepted at ICLR 2026. 27 pages, 11 figures