ICLR

Uni-DPO: A Unified Paradigm for Dynamic Preference Optimization of LLMs

Uni-DPO：大语言模型动态偏好优化的统一范式

Shangpin Peng, Weinong Wang, Zhuotao Tian, Senqiao Yang, Xing Wu, Haotian Xu, Chengquan Zhang, Takashi Isobe, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对现有DPO方法忽略数据质量和学习难度差异的问题，提出Uni-DPO统一框架，通过自适应重加权偏好对实现更有效的数据利用和更优性能。

Comments Accepted by ICLR 2026. Code & models: https://github.com/pspdada/Uni-DPO

MMSI-Bench: A Benchmark for Multi-Image Spatial Intelligence

MMSI-Bench：多图像空间智能基准

Sihan Yang, Runsen Xu, Yiman Xie, Sizhe Yang, Mo Li, Jingli Lin, Chenming Zhu, Xiaochen Chen, Haodong Duan, Xiangyu Yue, Dahua Lin, Tai Wang, Jiangmiao Pang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； University of Hong Kong（香港大学） ； Beijing Normal University（北京师范大学） 纠错

AI总结 提出MMSI-Bench基准，通过1000道精心设计的VQA问题评估多图像空间推理能力，发现现有模型准确率远低于人类。

Comments ICLR 2026 Camera ready. 38 pages. Project page: https://runsenxu.com/projects/MMSI_Bench

Enhancing Deep Neural Network Reliability with Refinement and Calibration

通过精炼和校准增强深度神经网络的可靠性

Ramya Hebbalaguppe, Ajay Shastry, Soumya Suvra Ghosal, Chetan Arora

机构 * SIT, Indian Institute of Technology Delhi, New Delhi, India（印度理工学院德里SIT，新德里） 纠错

AI总结 针对深度神经网络置信度不可靠的问题，提出一种通过监督对比学习显式优化精炼度的损失函数，并联合优化校准、精炼和准确性的统一训练框架RefCal，在CIFAR-100-LT数据集上显著提升性能。

Comments ICLR 2026, Trustworthy AI and Representational Alignment

ST-SimDiff: Balancing Spatiotemporal Similarity and Difference for Efficient Video Understanding with MLLMs

ST-SimDiff：平衡时空相似性与差异以实现高效的视频理解与大语言模型

Bingjun Luo, Tony Wang, Chaoqi Chen, Xinpeng Ding

机构 * Tsinghua University（清华大学） ； Shenzhen University（深圳大学） ； Xidian University（西安电子科技大学） 纠错

AI总结 本文提出ST-SimDiff框架，通过平衡时空相似性与差异来提高视频理解效率，利用时空图和双选择策略减少计算成本并提升性能。

Comments Accepted by ICLR 2026

Dataless Weight Disentanglement in Task Arithmetic via Kronecker-Factored Approximate Curvature

通过克罗内克-因子近似曲率进行任务算术中的无数据权重解耦

Angelo Porrello, Pietro Buzzega, Felix Dangel, Thomas Sommariva, Riccardo Salami, Lorenzo Bonicelli, Simone Calderara

机构 * University of Modena and Reggio Emilia（莫德纳和雷吉奥艾米利亚大学） ； Vector Institute（向量研究所） 纠错

AI总结 本文提出了一种无数据的方法，通过将表示漂移正则化问题框架化为曲率矩阵近似问题，以解决任务算术中任务向量的交叉任务干扰问题，实现了任务加法和否定的最新成果。

Comments Accepted to ICLR 2026

Enhancing Visual Token Representations for Video Large Language Models via Training-Free Spatial-Temporal Pooling and Gridding

通过无训练空间-时间池化和栅格化增强视频大语言模型的视觉令牌表示

Bingjun Luo, Tony Wang, Hanqi Chen, Xinpeng Ding

机构 * Tsinghua University（清华大学） ； Shenzhen University（深圳大学） ； Xidian University（西安电子科技大学） 纠错

AI总结 本文提出了一种无需训练的空间-时间池化和栅格化方法ST-GridPool，用于提升视频大语言模型的视觉令牌表示，通过多级时空交互和基于规范的空间池化技术，在不需重新训练的情况下提高性能。

Comments Accepted by ICLR 2026

Two failure modes of deep transformers and how to avoid them: a unified theory of signal propagation at initialisation

深度变换器的两种失效模式及如何避免它们：初始化下信号传播的统一理论

Alessio Giorlandino, Sebastian Goldt

机构 * International School of Advanced Studies (SISSA)（国际先进研究学校（SISSA）） 纠错

AI总结 本文研究了深度变换器中自注意力层的两种失效模式——秩坍缩和熵坍缩，并提出了一种统一的信号传播理论，通过分析初始化对训练稳定性的影响，提供了一种计算训练性图的简单算法，以确定正确初始化超参数的选择。

Journal ref ICLR 2026

ImProver: Agent-Based Automated Proof Optimization

ImProver：基于代理的自动证明优化

Riyaz Ahuja, Jeremy Avigad, Prasad Tetali, Sean Welleck

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文研究了自动证明优化问题，提出ImProver这一基于大语言模型的代理，用于重写证明以优化长度、可读性等任意标准，实验表明其能显著缩短证明并提高其模块化和可读性。

Comments Published as a conference paper at ICLR 2025

Data-Efficient Neural Operator Training via Physics-Based Active Learning

通过物理引导的主动学习实现数据高效的神经算子训练

Alicja Polanska, Lorenzo Zanisi, Vignesh Gopakumar, Stanislas Pamela

机构 * University College London（伦敦大学学院） ； Atomic Energy Authority（原子能局） 纠错

AI总结 本文提出了一种基于物理的主动学习方法，用于提高神经算子训练的数据效率，通过利用偏微分方程残差来指导数据选择，在1D Burgers方程和2D可压缩纳维-斯托克斯方程的数值实验中验证了该方法在数据效率上的优越性。

Comments Presented at the ICLR 2026 Workshop on Artificial Intelligence and Partial Differential Equations

Sound Agentic Science Requires Adversarial Experiments

声音代理科学需要对抗性实验

Dionizije Fa, Marko Culjak

AI总结 该研究探讨了代理辅助科学中对抗性实验的重要性，指出传统方法在科学发现中的局限性，并提出应以证伪优先的标准来评估代理生成的科学主张。

Comments Published at ICLR 2026 Workshop on Agents in the Wild

One Operator to Rule Them All? On Boundary-Indexed Operator Families in Neural PDE Solvers

一个运算符统治一切？关于神经PDE求解器中边界索引运算符家族的探讨

Lennon J. Shikhman

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； Department of Mathematics and Systems Engineering, Florida Institute of Technology（佛罗里达理工学院数学与系统工程系） 纠错

AI总结 本文探讨了神经PDE求解器中边界索引运算符家族的核心问题，指出传统方法在边界条件变化时存在非识别性问题，并通过实验验证了在不同边界条件下求解器的局限性。

Comments Published in the ICLR 2026 Workshop on AI & PDEs. 10 pages, 5 figures

Retaining Suboptimal Actions to Follow Shifting Optima in Multi-Agent Reinforcement Learning

保留次优动作以跟随移动的最优解在多智能体强化学习中

Yonghyeon Jo, Sunwoo Lee, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Ulsan National Institute of Science and Technology (UNIST)（乌山国立科学与技术研究院（UNIST）） 纠错

AI总结 本文提出S2Q算法，通过学习多个子价值函数来保留替代的高价值动作，以解决多智能体强化学习中适应值函数变化时的最优解移动问题，实验表明其在多智能体强化学习基准上表现优异。

Comments 10 technical page followed by references and appendix. Accepted to ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

JanusCoder: Towards a Foundational Visual-Programmatic Interface for Code Intelligence

JanusCoder: 向代码智能的视觉-程序化界面迈进

Qiushi Sun, Jingyang Gong, Yang Liu, Qiaosheng Chen, Lei Li, Kai Chen, Qipeng Guo, Ben Kao, Fei Yuan

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 本文提出JanusCoder，一种面向代码智能的视觉-程序化界面，通过构建大规模多模态代码数据集和统一模型，实现从文本指令、视觉输入或两者结合生成代码，展示了其在文本和视觉编程任务中的优越性能。

Comments ICLR 2026 Camera Ready Version, with code and data available

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning

严格子目标执行：在分层强化学习中的可靠长 horizon 规划

Jaebak Hwang, Sanghyeon Lee, Jeongmo Kim, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学与技术研究所） ； Ulsan, South Korea（韩国釜山） 纠错

AI总结 本文提出严格子目标执行（SSE）框架，通过前沿经验回放（FER）分离不可达与可接受的子目标，提高高层决策效率，从而在长horizon任务中实现更可靠的规划。

Comments 10 pages for main, 26 pages for total, Accepted to ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

UniEdit-Flow: Unleashing Inversion and Editing in the Era of Flow Models

UniEdit-Flow：在流模型时代释放反向与编辑

Guanlong Jiao, Biqing Huang, Kuan-Chieh Wang, Renjie Liao

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Tsinghua University（清华大学） ； Snap Inc.（Snap公司） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

AI总结 本文提出了一种基于预测-校正框架的流模型反向与编辑方法，通过Uni-Inv实现准确重建，并通过Uni-Edit实现区域感知的图像编辑，方法无需调优，具有通用性和高效性，实验表明其在多种生成模型中均表现出色。

Comments ICLR 2026. Project Page: https://uniedit-flow.github.io/

Self-Improving Skill Learning for Robust Skill-based Meta-Reinforcement Learning

基于鲁棒技能的元强化学习中的自我改进技能学习

Sanghyeon Lee, Sangjun Bae, Yisak Park, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学技术研究院 (UNIST)） 纠错

AI总结 本文提出Self-Improving Skill Learning (SISL)方法，通过解耦的高层和技能改进策略进行自我指导的技能细化，并利用最大回报重标记进行技能优先级排序，从而在噪声和次优数据下实现鲁棒且稳定的适应，优于其他基于技能的元强化学习方法。

Comments 10 pages main, 27 pages appendix with reference. Accepted to ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

Mechanics of Bias and Reasoning: Interpreting the Impact of Chain-of-Thought Prompting on Gender Bias in LLMs

偏见与推理的力学：分析链式推理提示对大语言模型中性别偏见的影响

Edie Pearman, Sophia Osborne, Mira Kandlikar-Bloch, Mina Arzaghi, Florian Carichon, Golnoosh Farnadi

机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； HEC Montreal（蒙特利尔HEC） 纠错

AI总结 本文研究了链式推理提示对大语言模型中性别偏见的影响，结合基准测试评估与机制可解释性技术，发现链式推理并未有效减少偏见，偏见仍存在于隐藏表示中。

Comments 24 pages, 6 figures, including appendix. Accepted at the ICLR 2026 Workshop on Algorithmic Fairness Across Alignment Procedures and Agentic Systems. Submitted to COLM 2026

JUDO: A Juxtaposed Domain-Oriented Multimodal Reasoner for Industrial Anomaly QA

JUDO: 一种面向工业异常问答的多模态推理框架

Hyunju Kang, Woohyun Lee, Jaewon Kim, Hogun Park

机构 * Sungkyunkwan University（成均馆大学） ； Seoul National University（首尔国立大学） 纠错

AI总结 本文提出JUDO框架，通过结合领域知识和上下文提升多模态推理能力，以解决工业异常检测中模型缺乏领域知识的问题，实验表明其在MMAD基准上优于Qwen2.5-VL-7B和GPT-4o。

Comments Published at ICLR 2026

A Nash Equilibrium Framework For Training-Free Multimodal Step Verification

为无训练多模态步骤验证构建纳什均衡框架

Rohit Sinha, Kunal Tilaganji, Tanuja Ganu, Nagarajan Natarajan, Amit Sharma, Vineeth N. Balasubramanian

机构 * Microsoft Research India（微软印度研究院） ； Indian Institute of Technology Hyderabad（印度海得拉巴理工学院） 纠错

AI总结 本文提出一种无训练的多模态步骤验证方法，将步骤验证视为专门法官之间的协调问题，并通过纳什均衡游戏形式化法官之间的交互，通过闭式解计算均衡分数，实现对分歧的敏感过滤和稳定性意识的排名，实验表明跨模态一致性（而非平均置信度）提供了鲁棒的验证信号。

Comments ICLR 2026 Workshop VerifAI-2

Diffusion and Flow-based Copulas: Forgetting and Remembering Dependencies

扩散与流基copula：遗忘与记忆依赖

David Huk, Theodoros Damoulas

机构 * Department of Statistics（统计系） ； Department of Computer Science（计算机科学系） ； University of Warwick（沃里克大学） 纠错

AI总结 本文提出基于扩散和流原理的copula建模方法，通过遗忘和记忆依赖机制，有效建模多变量依赖，提升了copula模型的表示能力，适用于复杂和高维数据。

Comments Published as a conference paper at ICLR 2026

Common Corpus: The Largest Collection of Ethical Data for LLM Pre-Training

Common Corpus: 最大的伦理数据集用于LLM预训练

Pierre-Carl Langlais, Pavel Chizhov, Catherine Arnett, Carlos Rosas Hinostroza, Mattia Nee, Eliot Krzystof Jones, Irène Girard, David Mach, Anastasia Stasenko, Ivan P. Yamshchikov

机构 * PleIAs 纠错

AI总结 本文介绍了Common Corpus，一个最大的开放数据集，用于LLM预训练，该数据集包含大量非受版权或开放许可的数据，涵盖了多种语言和领域，为多语言预训练提供了支持。

Journal ref ICLR 2026 (Oral)

Probabilistic Multivariate Time Series Forecasting with Diffusion Copulas

基于扩散Copula的概率多变量时间序列预测

David Huk, Dongshan Wang, Miha Bresar

机构 * Department of Statistics The University of Warwick（威斯敏斯特大学统计系） ； School of Data Science The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） 纠错

AI总结 本文提出了一种扩散-Copula框架，通过分离边际分布学习与依赖结构学习，改进了多变量时间序列预测中对尾部风险的估计，展示了在加密货币市场中对系统性极值的预测优势。

Comments ICLR 2026 Workshop Advances in Financial AI

Inference-Time Scaling in Diffusion Models through Iterative Partial Refinement

通过迭代部分细化在扩散模型中实现推理时间扩展

Taegu Kang, Jaesik Yoon, Sungjin Ahn

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文提出了一种无需外部验证器的扩散模型推理时间扩展方法Iterative Partial Refinement，通过在混合噪声条件下迭代部分细化生成更一致的样本，在MNIST Sudoku任务中提升了有效解率。

Comments Accepted at the ICLR 2026 Workshop on AI with Recursive Self-Improvement

CLIC: Contextual Language-Informed Cardiac Pathology Classification

CLIC: 基于上下文的语言引导心脏病理分类

Giovani D. Lucafo, Rafael da Costa Silva, João Lucas Luz Lima Sarcinelli, Andre Guarnier De Mitri, Diego Furtado Silva

机构 * Institute of Mathematical and Computer Sciences（数学与计算机科学学院） ； Universidade de São Paulo（圣保罗大学） 纠错

AI总结 本文提出CLIC框架，通过将患者上下文数据转化为描述性文本，利用自然语言编码技术提升心脏病理诊断的精确度，同时探索大语言模型生成的临床描述在下游分类任务中的应用。

Comments 6 pages, 2 figures, accepted at the ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM)

Beyond Match Maximization and Fairness: Retention-Optimized Two-Sided Matching

超越匹配最大化和公平性：以用户留存优化的双侧匹配

Ren Kishimoto, Rikiya Takehi, Koichi Tanaka, Masahiro Nomura, Riku Togashi, Yoji Tomita, Yuta Saito

机构 * Institute of Science Tokyo（东京科学研究所） ； Waseda University（早稻田大学） ； Keio University（庆应大学） ； CyberAgent Tokyo（CyberAgent 东京） ； Hajuku-kaso, Co., Ltd.（汉久科社） 纠错

AI总结 本文提出了一种新的双侧匹配优化方法，旨在最大化用户留存而非单纯匹配数量或公平性，通过引入动态学习排序算法MRet，利用用户个性化留存曲线优化推荐策略，提升整体用户留存率。

Comments Published as a conference paper at ICLR 2026

Eliminating Inductive Bias in Reward Models with Information-Theoretic Guidance

通过信息论指导消除奖励模型中的归纳偏置

Zhuo Li, Pengyu Cheng, Zhechao Yu, Feifei Tong, Anningzhe Gao, Tsung-Hui Chang, Xiang Wan, Erchao Zhao, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴大模型应用团队） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） 纠错

AI总结 本文提出了一种基于信息论的奖励模型去偏方法DIR，通过最大化奖励模型评分与人类偏好对之间的互信息，同时最小化奖励模型输出与偏好输入偏置属性之间的互信息，从而有效缓解归纳偏置问题并提升RLHF性能。

Comments Published as a conference paper at The International Conference on Learning Representations (ICLR) 2026

DISK: Differentiable Sparse Kernel Complex for Efficient Spatially-Variant Convolution

DISK: 可微稀疏核复数用于高效空间变体卷积

Zhizhen Wu, Zhe Cao, Yuchi Huo

机构 * State Key Lab of CAD&CG, Zhejiang University, China（浙江大学CAD与CG国家重点实验室） 纠错

AI总结 本文提出了一种可微稀疏核复数分解框架，用于高效处理空间变体卷积，通过稀疏核样本表示目标空间变体密集复数核，实现了高效且可微的优化方法，适用于移动成像和实时渲染。

Comments Accepted as a conference paper at ICLR 2026. OpenReview: https://openreview.net/forum?id=bbuxDoRD2D

Search Self-play: Pushing the Frontier of Agent Capability without Supervision

搜索自play：在无监督条件下推动智能体能力的前沿

Hongliang Lu, Yuhang Wen, Pengyu Cheng, Ruijin Ding, Jiaqi Guo, Haotian Xu, Chutian Wang, Haonan Chen, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队） 纠错

AI总结 本文提出了一种基于自play的深度搜索智能体训练方法，通过自动生成任务和解决任务来提升智能体在无监督条件下的性能，无需外部监督。

Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026)

Dr.LLM: Dynamic Layer Routing in LLMs

Dr.LLM：大语言模型中的动态层路由

Ahmed Heakl, Martin Gubri, Salman Khan, Sangdoo Yun, Seong Joon Oh

机构 * Parameter Lab（参数实验室） ； MBZUAI（穆扎夫法尔国际人工智能研究院） ； NAVER AI Lab（NAVER人工智能实验室） ； University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） 纠错

AI总结 本文提出Dr.LLM，一种通过在预训练模型中加入轻量级每层路由器来实现动态层路由的框架，该方法在不改变基础权重的情况下，通过显式监督训练路由器，提高推理的计算效率和准确性。

Comments Published at ICLR 2026

Proximal Diffusion Neural Sampler

近端扩散神经采样器

Wei Guo, Jaemoo Choi, Yuchen Zhu, Molei Tao, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出了一种名为近端扩散神经采样器（PDNS）的框架，通过在路径测度空间上应用近端点方法，解决神经采样器在训练过程中遇到的多模式目标分布和模式崩溃问题，通过分阶段的简单子问题逐步逼近目标分布，促进模式的全面探索。

Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=XTHQqS7ObC)