Layer by layer, module by module: Choose both for optimal OOD probing of ViT
逐层、逐模块：为优化ViT的OOD探测选择两者
AI总结 本文研究了ViT中不同层和模块在OOD探测中的表现，发现中间层和模块级激活在不同分布偏移下具有不同优势。
Comments Accepted at ICLR 2026 CAO Workshop
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
When Weak LLMs Speak with Confidence, Preference Alignment Gets Stronger
当弱大语言模型自信发言时，偏好对齐会变得更强大
机构 * EPFL（苏黎世联邦理工学院） ； Sharif University of Technology（谢赫·穆吉加布大学）
AI总结 本文提出CW-PO框架，利用弱LLM的置信度加权实现更高效的偏好对齐，仅用20%的人类标注即可超越传统方法。
Comments 32 pages, 8 figures, International Conference on Learning Representations 2026
$\nabla$-Reasoner: LLM Reasoning via Test-Time Gradient Descent in Latent Space
∇-Reasoner: 通过潜在空间中的测试时间梯度下降进行LLM推理
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UC San Diego（圣地亚哥大学） ； TTIC ； Georgia Tech（佐治亚理工学院）
AI总结 ∇-Reasoner通过潜在空间中的测试时间梯度下降提升LLM推理能力，实现20%以上的准确率提升并减少模型调用次数。
Comments ICLR 2026
Locality-Attending Vision Transformer
局部关注视觉变换器
机构 * ÉTS Montreal（蒙特利尔ÉTS）
AI总结 LocAtViT通过引入可学习的高斯核调节自注意力机制，提升视觉变换器在分割任务中的性能，同时保持其图像级识别能力。
Comments Accepted to ICLR 2026
Causally Robust Reward Learning from Reason-Augmented Preference Feedback
基于理由增强的偏好反馈的因果鲁棒奖励学习
机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学计算机科学系）
AI总结 ReCouPLe通过自然语言理由提供因果信号，提升奖励学习在分布偏移和新任务中的性能。
Comments Published in International Conference on Learning Representations (ICLR) 2026
Distributional Equivalence in Linear Non-Gaussian Latent-Variable Cyclic Causal Models: Characterization and Learning
线性非高斯潜在变量循环因果模型中的分布等价性：特征化与学习
AI总结 本文提出了一种线性非高斯潜在变量循环因果模型的分布等价性特征化方法，填补了无结构假设的因果发现空白。
Comments Appears at ICLR 2026 (oral)
Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2026
When Priors Backfire: On the Vulnerability of Unlearnable Examples to Pretraining
当先验知识失效：在预训练模型中不可学习示例的易受性
机构 * Western University（西方大学） ； Concordia University（康科迪亚大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Vector Institute（向量研究所）
AI总结 本文提出BAIT方法，通过双层优化机制有效对抗预训练先验对不可学习示例的干扰，保持数据不可学习性。
Comments ICLR 2026 camera-ready
Probabilistic Dreaming for World Models
基于概率的梦境学习用于世界模型
机构 * Yale University（耶鲁大学）
AI总结 本文提出基于概率的梦境学习方法，通过并行探索潜在状态和保持不同假设，提升世界模型的学习效率和稳定性。
Comments Presented at ICLR 2026: 2nd Workshop on World Models
Implicit Bias and Loss of Plasticity in Matrix Completion: Depth Promotes Low-Rankness
隐式偏见与矩阵补全中的塑性丧失：深度促进低秩性
AI总结 本文研究了深度矩阵分解中隐式低秩偏见与塑性丧失现象，揭示了深度对低秩性的影响及网络动态耦合机制。
Comments Published at ICLR 2026
Latent Particle World Models: Self-supervised Object-centric Stochastic Dynamics Modeling
潜在粒子世界模型：自监督的以对象为中心的随机动态建模
机构 * Carnegie Mellon University（卡内基梅隆大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） ； Lambda ； Technion（技术学院）
AI总结 LPWM通过自监督学习实现现实世界多对象数据的随机动态建模，并在决策制定中展现卓越性能。
Comments ICLR 2026 Oral. Project webpage: https://taldatech.github.io/lpwm-web
Augmenting representations with scientific papers
用科学论文增强表示
机构 * Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子工程与信息学院，米兰理工学院） ； Osservatorio Astronomico di Roma, INAF（罗马天文台，INAF） ； AstroAI, Center for Astrophysics | | Harvard & Smithsonian（AstroAI，哈佛与史密松尼天体物理中心） ； Center for Computational Astrophysics, Institute for Advanced Study/The Flatiron Institute（计算天文学中心，高级研究院/Flatiron研究所）
AI总结 本文提出了一种对比学习框架，通过将X射线光谱与科学文献中的领域知识对齐，提升多模态表示的性能，并在天体物理领域实现了显著的变量估计改进。
Comments Accepted at the 2nd Workshop on Foundation Models for Science (ICLR 2026)
CLARC: C/C++ Benchmark for Robust Code Search
CLARC：用于鲁棒代码搜索的C/C++基准测试
AI总结 CLARC是一个用于测试鲁棒代码检索的C/C++基准测试，通过引入挑战性设置验证模型对词法特征的依赖。
Comments Accepted by ICLR 2026
NOVA3R: Non-pixel-aligned Visual Transformer for Amodal 3D Reconstruction
NOVA3R：非像素对齐的视觉变换器用于模态3D重建
机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学）
AI总结 NOVA3R通过非像素对齐的视觉变换器实现更准确的3D重建，解决了传统像素对齐方法在处理可见和不可见点及重叠区域结构上的局限。
Comments Accepted to ICLR 2026. Project Page: https://wrchen530.github.io/nova3r
RADAR: Learning to Route with Asymmetry-aware DistAnce Representations
RADAR: 基于不对称距离表示的学习路由
机构 * Singapore Management University（新加坡管理大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 RADAR通过引入不对称距离表示，提升神经求解器在解决不对称车辆路径问题中的性能和泛化能力。
Comments Accepted by ICLR
UFO-4D: Unposed Feedforward 4D Reconstruction from Two Images
UFO-4D：从两幅图像中进行无约束前馈4D重建
机构 * Google（谷歌） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 UFO-4D通过统一的前馈框架，从两幅图像中高效重建密集4D表示，实现3D几何、运动和相机姿态的联合估计，提升4D重建精度与效率。
Comments ICLR 2026, Project page: https://ufo-4d.github.io/
Zombie Agents: Persistent Control of Self-Evolving LLM Agents via Self-Reinforcing Injections
僵尸代理：通过自我强化注入实现自我演化大语言模型代理的持续控制
机构 * School of Computing National University of Singapore（计算学院新加坡国立大学）
AI总结 研究提出僵尸代理攻击，通过自我强化注入实现对自我演化大语言模型代理的持续控制，揭示内存演化可将一次间接注入转化为持久妥协，表明单一会话提示过滤防御不足。
Comments Published as a workshop paper in Lifelong Agent @ ICLR 2026
Out-of-Support Generalisation via Weight-Space Sequence Modelling
通过权重空间序列建模实现超出支持泛化
机构 * University of Bristol（布里斯托大学）
AI总结 通过权重空间序列建模方法，提升模型对超出训练集范围数据的泛化能力与预测可靠性。
Comments Published at the Catch, Adapt, and Operate (CAO): Monitoring ML Models Under Drift workshop at ICLR 2026
Supervised Metric Regularization Through Alternating Optimization for Multi-Regime Physics-Informed Neural Networks
通过交替优化进行监督度量正则化的多模式物理指导神经网络
机构 * Department of Informatics and Statistics（信息学与统计学系）
AI总结 通过监督度量正则化和交替优化，TAPINN有效缓解多模式物理系统建模中的频谱偏差和模式崩溃问题。
Comments 5 pages, 1 figure, accepted as Poster in AI&PDE ICLR 2026 Workshop
Adaptive Rollout Allocation for Online Reinforcement Learning with Verifiable Rewards
具有可验证奖励的在线强化学习中自适应 rollout 分配
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Hong Kong Research Center（华为香港研究中心）
AI总结 VIP通过基于方差的预测分配策略提高在线强化学习中可验证奖励的采样效率和性能。
Comments Accepted at ICLR 2026
PerfGuard: A Performance-Aware Agent for Visual Content Generation
PerfGuard: 一种面向视觉内容生成的性能感知代理
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications, China（北京邮电大学人工智能学院） ； Beijing Digital Native Digital City Research Center, China（北京数字原生数字城市研究中心） ； School of Computer Science and Engineering, Beihang University, China（北航计算机科学与工程学院） ； SketchX, CVSSP, University of Surrey, United Kingdom（SketchX、CVSSP、英国萨里大学） ； Chenxi Shuzhi (Beijing) Technology Co., Ltd, China（北京晨曦智数科技有限公司）
AI总结 PerfGuard通过性能感知机制提升视觉内容生成任务中工具选择的准确性与执行可靠性。
Comments This paper has been accepted by ICLR 2026. The original paper link is: https://openreview.net/pdf?id=tdN42GTv4S The code repository link is: https://github.com/FelixChan9527/PerfGuard
A Scalable Inter-edge Correlation Modeling in CopulaGNN for Link Sign Prediction
可扩展的边间相关性建模在CopulaGNN中的应用用于链接符号预测
机构 * Seoul National University（首尔国立大学）
AI总结 本文提出一种可扩展的边间相关性建模方法，利用高斯Copula和相关矩阵扩展CopulaGNN，通过减少参数和推断成本提升链接符号预测效率。
Comments Accepted for ICLR 2026
Convex Efficient Coding
凸高效编码
AI总结 本文提出了一种可 tractable 但灵活的规范性表征理论，通过优化表征相似性证明了一类凸优化问题，包括线性和非线性神经网络及半非负矩阵分解等，为神经编码提供了新的理论框架。
Comments 37 pages, 4 figures
Journal ref Proceedings of the 14th International Conference on Learning Representations, 2026
Parallel Token Prediction for Language Models
语言模型中的并行令牌预测
机构 * Department of Computer Science, University of California, Irvine（加州大学伊维特分校计算机科学系） ； Chan-Zuckerberg Initiative（张博士基金会） ； Pyramidal AI（金字塔人工智能） ； Computer Science & AI in Science Institute, University of California, Irvine（加州大学伊维特分校计算机科学与科学人工智能研究所）
AI总结 提出并行令牌预测框架，通过引入随机输入变量实现多令牌联合预测，提升语言模型解码效率。
Comments Accepted at ICLR 2026
Measuring Uncertainty Calibration
测量不确定性校准
机构 * Spotify
AI总结 本文提出了一种非渐近的校准误差上界方法，通过修改分类器以高效限制校准误差，同时保持性能，适用于实际数据集。
Comments ICLR 2026, 28 pages
Think-While-Generating: On-the-Fly Reasoning for Personalized Long-Form Generation
在生成过程中思考：面向个性化长文本生成的即兴推理
机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） ； National Engineering Laboratory for BITA, University of Science and Technology of China（BITA国家工程实验室，科学技术大学）
AI总结 FlyThinker通过在生成过程中进行动态推理，提升个性化长文本生成的效率和效果。
Comments Published as a conference paper at ICLR 2026
MotionStream: Real-Time Video Generation with Interactive Motion Controls
MotionStream: 通过交互式运动控制实现实时视频生成
机构 * Seoul National University（首尔国立大学） ； Adobe Research（Adobe研究） ； Carnegie Mellon University（卡内基梅隆大学） ； Morpheus AI
AI总结 MotionStream通过交互式运动控制实现实时视频生成，利用因果注意力机制和蒸馏技术，实现亚秒延迟和高效率的无限长视频流式生成。
Comments ICLR 2026, Project webpage: https://joonghyuk.com/motionstream-web/
EchoMind: An Interrelated Multi-level Benchmark for Evaluating Empathetic Speech Language Models
EchoMind: 一种相互关联的多级基准，用于评估共情语音语言模型
机构 * 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） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 EchoMind是一种多级基准，用于评估SLMs在共情对话中的能力，揭示了现有模型在处理高表现性语音线索方面的不足。
Comments Speech Language Models, Spoken Language Understanding, Vocal Cue Perception, Empathetic Dialogue, Benchmark Evaluation; Accepted by ICLR 2026
Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs
抓取任意区域：迈向多模态大语言模型的精确、上下文像素理解
机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（模式识别新实验室、多模态人工智能系统国家重点实验室、自动化研究所、中国科学院（CASIA）） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； ByteDance（字节跳动）
AI总结 GAR通过RoI对齐特征重放技术实现多区域精准理解与复杂推理，提升多模态大语言模型的上下文感知能力。
Comments ICLR 2026 Camera Ready Version
SceneCOT: Eliciting Grounded Chain-of-Thought Reasoning in 3D Scenes
SceneCOT: 在3D场景中引导链式推理
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出SCENECOT框架，通过分解复杂任务并构建视觉线索，首次在3D场景中实现 grounded 链式推理，提升场景理解的推理能力。
Comments Accepted by ICLR 2026. Project page: https://scenecot.github.io/
Narrow Finetuning Leaves Clearly Readable Traces in Activation Differences
细粒度微调在激活差异中留下明显可读的痕迹
机构 * EPFL（苏黎世联邦理工学院） ； Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Harvard University（哈佛大学） ； MATS
AI总结 研究发现狭窄微调会在激活中留下明显痕迹，揭示了微调领域偏见，并警告了使用此类模型进行广泛微调研究的局限性。
Comments ICLR 2026
