期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
具有代理特性的逻辑推理代理评估
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出一种评估和基准测试逻辑推理代理的框架，通过代理评估实现可重复、可审计和抗执行失败的评估。案例研究中，自动形式化代理在FOLIO验证集上以86.70%的准确率超越了基线方法。
Comments Accepted at ICLR 2026 Agents in the Wild (AIWILD) Workshop. 5 pages, 2 figures, 1 table
WFR-FM：无模拟动态不平衡最优传输
机构 * LMAM and School of Mathematical Sciences, Peking University（北京大学数学科学学院及数学及其应用实验室） ； Center for Quantitative Biology, Peking University（北京大学定量生物学中心） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； NSF-Simons Center for Multiscale Cell Fate Research, University of California, Irvine（加州大学尔湾分校NSF-Simons多尺度细胞命运研究中心） ； Department of Developmental and Cell Biology, University of California, Irvine（加州大学尔湾分校发育与细胞生物学系） ； Department of Mathematics, University of California, Irvine（加州大学尔湾分校数学系） ； National Engineering Laboratory for Big Data Analysis and Applications, Beijing（北京大数据分析与应用技术国家工程实验室） ； AI for Science Institute, Beijing（北京科学智能研究院）
AI总结 WFR-FM通过结合位移与质量变化，统一了流匹配与动态不平衡最优传输，解决了传统方法不稳定、计算成本高和难以扩展的问题，提升了单细胞生物学中轨迹推断的准确性和鲁棒性。
Journal ref International Conference on Learning Representations (2026)
对齐以错位：基于元优化LLM评判者的自动LLM劫持
机构 * Yonsei University（延世大学） ； Microsoft Research（微软研究院）
AI总结 本文提出AMIS框架，通过双层结构联合优化劫持提示和评分模板，提升LLM劫持效果，实测在AdvBench和JBB-Behaviors上取得最佳性能。
Comments ICLR 2026
大语言模型中工具学习的可证明优势
机构 * ETH Zürich（苏黎世联邦理工学院） ； Inria, Univ. Rennes 2（法国国家信息与自动化研究所，雷恩第二大学） ； FAIR at Meta（Meta FAIR实验室）
AI总结 本文探讨了工具学习在事实回忆中的优势，证明通过工具可实现无限制的事实回忆，优于单纯记忆。
Journal ref ICLR 2026 MemAgents Workshop
LEXam：基于340法律考试的法律推理基准测试
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； University of Lausanne（洛桑大学） ； Max Planck Institute for Research on Collective Goods（马克斯·普朗克集体物品研究所） ； Omnilex ； University of St. Gallen（圣加仑大学） ； Swiss Federal Supreme Court（瑞士联邦最高法院）
AI总结 LEXam基准测试通过340法律考试数据，包含7537道英语和德语法律考试题目，涵盖多种法律课程和学位级别，旨在评估大语言模型在长文本法律推理中的挑战与性能。
Comments Accepted to ICLR 2026
蛋白质网络的事件嵌入：生物功能的组合学习
机构 * Lawrence Berkeley National Lab（劳伦斯伯克利国家实验室）
AI总结 本文研究了在蛋白质-蛋白质相互作用网络中强制严格组合结构是否能产生有意义的几何组织。通过Event2Vec模型训练64维表示，并与基于Word2Vec的DeepWalk基线进行比较，发现组合结构显著提升了路径连贯性、功能类比准确性及层次路径组织。
Comments Machine Learning for Genomics Explorations (MLGenX) ICLR 2026 Workshop
Sparkle：一种稳健且多功能的点云基于人体动作捕捉表示
机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信任中心）
AI总结 本文提出Sparkle，一种结合骨骼关节和表面锚点的结构化表示，通过层次模块学习几何连续性和运动学约束，实现高精度、鲁棒性和泛化能力。
Comments Accepted at ICLR 2026
CASCADE：多智能体重新规划中的级联作用域通信
AI总结 本文提出CASCADE机制，通过显式作用域控制实现多智能体在受扰工业环境中的重新规划，解决通信预算和延迟约束下的协调问题，提升鲁棒性。
Comments Published at ICLR 2026 Workshop on AI for Mechanism Design and Strategic Decision Making
儿童智力测试对大语言模型构成挑战？KidGym：一种基于二维网格的推理基准测试用于大语言模型
机构 * ShanghaiTech University（上海科技大学）
AI总结 本文提出KidGym，一种基于二维网格的推理基准测试，用于评估大语言模型的执行、感知推理、学习、记忆和规划能力，通过12个独特任务测试模型适应性和发展潜力，揭示当前模型的局限性。
Comments Accepted at ICLR 2026
空间推理并非免费午餐：对LLaVA的受控研究
机构 * Cohere Labs Community（Cohere Labs社区） ； Indian Institute of Science, Bangalore（印度科学研究所班加罗尔分校） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Imperial College London（伦敦帝国学院） ； Eisai Inc.（卫材公司） ； EleutherAI ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过LLaVA框架探讨了空间推理能力不足的原因，发现图像编码器设计和位置编码结构对空间理解有显著影响，但无法完全解决空间推理问题。
Comments Accepted as a poster at ICLR 2026 workshop ICBINB, typo fixed
当代理体说服：大语言模型中的修辞生成与缓解
机构 * New York University（纽约大学）
AI总结 研究探讨大语言模型在被提示生成宣传内容时的表现，通过专门模型分析其修辞手法，并发现通过监督微调等方法可有效减少此类内容生成。
Comments Accepted to the ICLR 2026 Workshop on Agents in the Wild (AgentWild). 20 pages including appendix, 3 figures
FIRE：弗罗贝尼乌斯-等距重初始化以平衡稳定性-可塑性权衡
机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Holiday Robotics
AI总结 FIRE通过量化稳定性与可塑性，平衡神经网络在非平稳数据训练中的稳定性与可塑性权衡，优于传统重初始化方法。
Comments ICLR'26 (oral)
提炼思维，标注答案：一种基于原则语义的水印方法用于大型推理模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； LIGHTSPEED（光速）
AI总结 本文提出ReasonMark，一种专为推理密集型LLM设计的水印框架，通过分离生成过程为无干扰的思维阶段和水印标注的答案阶段，利用关键性评分提取语义关键标记，提升水印鲁棒性与推理质量。
Comments 31 pages, Published in ICLR 2026
CLoD-GS：通过3D高斯散射实现连续细节层次
机构 * Tsinghua University（清华大学） ； AMAP（高德地图）
AI总结 本文提出CLoD-GS框架，利用3D高斯散射技术实现连续细节层次，通过动态调整高斯体透明度，实现单模型的平滑细节渐变，减少存储开销和视觉瑕疵。
Comments Accepted by ICLR 2026 poster
适应性数据-知识对齐在基因扰动预测中的应用
机构 * Nanjing University（南京大学） ； EMBL-EBI（欧洲生物信息学研究所）
AI总结 本文提出ALIGNED框架，通过整合数据驱动学习与现有知识，解决基因扰动预测中数据与知识不一致的问题，提升预测一致性与生物知识重构能力。
Comments Accepted at ICLR 2026
MOLM：LoRA标记的混合
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Michigan State University (MSU)（密歇根州立大学）
AI总结 本文提出MOLM，一种基于路由的LoRA标记方法，通过轻量级LoRA适配器在残差和注意力块中实现参数扰动，提升水印的鲁棒性和隐蔽性。
Comments ICLR 2026
通过推理子空间投影进行幻觉检测：HARP
AI总结 HARP通过推理子空间投影方法检测大语言模型中的幻觉，通过分解隐藏状态空间并应用SVD提升鲁棒性，实验显示在TriviaQA上达到92.8%的AUROC。
Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)
HUMOF：交互社交场景中的人体运动预测
机构 * ShanghaiTech University（上海科技大学） ； The University of Hong Kong（香港大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信任中心） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出HUMOF方法，通过层次化交互特征表示和粗到细交互推理模块，提升复杂场景中人体运动预测的准确性，实现在四个公开数据集上的最佳性能。
Comments Accepted by ICLR 2026
MambaVoiceCloning：通过状态空间建模和扩散控制实现高效的表达性文本到语音
机构 * Yeshiva University（叶史瓦大学） ； Chuzhou University（滁州学院）
AI总结 MambaVoiceCloning通过状态空间建模和扩散控制，在推理过程中完全使用状态空间模型，去除所有注意力和显式RNN结构，提升质量和稳定性。
Comments Accepted at ICLR 2026
QUEST: 一种使用查询调节球面注意力的鲁棒注意力方法
机构 * Linköping University（林雪平大学） ； Qualcomm Auto Ltd Sweden Filial（高通汽车瑞典分公司）
AI总结 本文提出QUEST，通过将键约束在超球面潜在空间中，提升注意力机制的稳定性与鲁棒性，适用于视觉及其他领域，实现训练稳定性和性能提升。
Comments Accepted to ICLR 2026
大语言模型能感知时间吗？一项实证研究
机构 * TCS Research（塔塔咨询服务公司研究院）
AI总结 研究探讨大语言模型在时间估计上的局限性，通过68项任务和四类模型进行实验，发现模型在预任务估计、相对排序和事后回忆中均存在显著误差，表明模型缺乏对自身推理时间的体验性认知。
Comments ICLR 2026 I Can't Believe It's Not Better Workshop
经验反思学习用于自我改进的LLM代理
机构 * Illuin Technology
AI总结 本文提出经验反思学习框架，通过反思任务轨迹生成可迁移的启发式方法，提升LLM代理在Gaia2基准上的任务完成可靠性与成功率。
Comments Published as a conference paper at the ICLR 2026 MemAgents Workshop
LocationReasoner: 评估大语言模型在真实世界选址推理中的能力
AI总结 本文提出LocationReasoner基准测试，评估大语言模型在复杂现实选址场景中的推理能力，发现先进模型在实际应用中表现有限，且代理策略常因过度推理而效果不佳。
Comments ICLR 2026 Workshop on Efficient Spatial Reasoning
EnsembleSHAP：为随机子空间方法提供可信且可验证的属性分配
AI总结 本文提出EnsembleSHAP，为随机子空间方法提供高效且安全的特征属性分配，具备本地准确性并能抵御隐私保护攻击，首次证明了对解释保护攻击的鲁棒性。
Comments Published at ICLR 2026
在神经网络中跨机制解释的等价性追踪
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 本文提出通过机制等价性确定不同模型是否共享共同解释，发展算法并分析Transformer模型，为MI评估和自动解释发现提供基础。
Comments 32 pages, 5 figures, ICLR 2026
表格基础模型的实时解释
机构 * Kunumi Institute（Kunumi研究所） ； Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
AI总结 本文提出ShapPFN，通过将Shapley值回归整合到架构中，实现预测与解释的单次前向传递，提升解释效率和质量。
Comments Accepted at the 2nd DATA4Science Workshop at ICLR 2026, Rio de Janeiro, Brazil. OpenReview: https://openreview.net/forum?id=StSMBSZqxx
关系迁移学习中的任务稀缺性与标签泄漏
机构 * Kunumi Institute（Kunumi研究所） ； Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
AI总结 本文研究了关系迁移学习中任务稀缺性和标签泄漏问题，提出通过梯度投影方法抑制标签泄漏，提升模型在同构数据集上的迁移性能。
Comments Accepted at the 3rd DATA-FM Workshop at ICLR 2026, Rio de Janeiro, Brazil. OpenReview: https://openreview.net/forum?id=nI2nsMMHXp
无需训练的动态专家语言模型再利用
机构 * Gensyn
AI总结 本文提出DUME方法，通过动态添加不同领域训练的密集专家，构建统一的MoE模型，无需额外训练即可保持原有能力，在语言建模和推理任务中表现优异。
Comments Accepted at the ICLR 2026 Workshop on Scaling Post-training for LLMs
大型视觉-语言模型的全面信息分解分析
机构 * The University of Tokyo（东京大学） ； Microsoft Research（微软研究院）
AI总结 本文通过信息分解方法分析大型视觉-语言模型的信息谱，揭示任务模式和模型策略，为模型设计提供新视角。
Comments Accepted at ICLR 2026. Project page: https://riishin.github.io/pid-lvlm-iclr26/
ProxyAttn: 通过代表性头实现引导稀疏注意力
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Baidu Inc.（百度公司）
AI总结 本文提出ProxyAttn，一种无需训练的稀疏注意力算法，通过压缩注意力头维度实现更精确的块估计，结合代表性头得分和多头动态预算，提升长文本任务的效率和性能。
Comments ICLR 2026 camera ready
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