JailNewsBench: Multi-Lingual and Regional Benchmark for Fake News Generation under Jailbreak Attacks
JailNewsBench: 多语言和区域假新闻生成对抗基准
AI总结 JailNewsBench 是首个评估大语言模型对抗jailbreak攻击生成假新闻鲁棒性的多语言和区域基准，揭示了不同语言和区域间安全性的不平衡问题。
Comments ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Attention Smoothing Is All You Need For Unlearning
注意力平滑是删除学习的全部需求
机构 * Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） ； Department of Computer Science and Engineering, Michigan State University（密歇根州立大学计算机科学与工程系） ； Institute for AI and Data Science, Wayne State University（韦恩州立大学人工智能与数据科学研究所）
AI总结 ASU通过注意力平滑技术有效删除学习，减少记忆内容的同时保持响应连贯性，优于现有方法。
Comments Accepted by ICLR 2026
Spectral Attention Steering for Prompt Highlighting
光谱注意力引导用于提示突出
机构 * University of Edinburgh, UK（爱丁堡大学） ； RayNeo, China（RayNeo） ； Huawei Research Ltd., UK（华为研究有限公司） ； Queen Mary University of London, UK（伦敦大学玛丽女王学院）
AI总结 SEKA和AdaSEKA通过直接编辑键嵌入实现无需训练的注意力引导，显著提升提示突出性能，同时保持低延迟和内存开销。
Comments Accepted to ICLR 2026 (Poster, Top 4%)
AgilePruner: An Empirical Study of Attention and Diversity for Adaptive Visual Token Pruning in Large Vision-Language Models
AgilePruner: 一种针对大视觉-语言模型中自适应视觉标记剪枝的实证研究
机构 * Pusan National University（釜山国立大学） ； LG Electronics（LG电子）
AI总结 AgilePruner通过实证研究揭示了基于注意力和多样性的视觉标记剪枝方法的优劣，并提出了一种改进的自适应剪枝机制。
Comments Accepted to ICLR 2026
Stochastic Neural Networks for Causal Inference with Missing Confounders
随机神经网络用于有缺失混杂因素的因果推断
AI总结 本文提出CI-StoNet，利用随机神经网络处理缺失混杂因素，通过自适应Hamilton蒙特卡洛方法实现潜在混杂因素的填补，并在保证因果推断一致性的同时，扩展到代理变量和多重原因场景。
Comments Accepted at the International Conference on Learning Representations (ICLR) 2026
Journal ref In Proceedings of the International Conference on Learning Representations (ICLR), 2026
Token-level Data Selection for Safe LLM Fine-tuning
令牌级数据选择用于安全大语言模型微调
机构 * The Hong Kong University of Science（香港科学与技术大学） ； School of Data Science, Lingnan University（岭南大学数据科学学院）
AI总结 本文提出TOSS框架，通过令牌级数据选择提升LLM微调的安全性，同时在下游任务性能上优于现有样本级防御方法。
Comments Accepted by ICLR 2026
TripleSumm: Adaptive Triple-Modality Fusion for Video Summarization
TripleSumm: 适应性三模态融合用于视频摘要
机构 * Seoul National University（首尔国立大学）
AI总结 TripleSumm通过适应性三模态融合技术，在视频摘要任务中实现了最先进的性能，首次提出了多模态视频摘要的大型基准MoSu。
Comments Published as a Conference Paper at ICLR 2026
D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping
D-REX：用于学习灵巧抓取的可微现实到仿真到现实引擎
机构 * Physical Superintelligence (PSI) Lab, University of Southern California（南加州大学物理超智能实验室） ； Viterbi School of Engineering, University of Southern California（南加州大学韦伯尔工程学院） ； Department of EECS, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系）
AI总结 D-REX通过可微引擎实现现实到仿真到现实的抓取学习，利用高斯点表示自动构建数字双胞胎并优化质量识别，从而提升抓取策略的力感知性能。
Comments ICLR 2026 Poster
DIVA-GRPO: Enhancing Multimodal Reasoning through Difficulty-Adaptive Variant Advantage
DIVA-GRPO：通过难度自适应变体优势增强多模态推理
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Kuaishou Technology, Beijing, China（快手科技，北京，中国）
AI总结 DIVA-GRPO通过难度自适应变体优势方法提升多模态推理能力，解决GRPO在困难问题上的奖励稀疏性和优势消失问题，提升训练稳定性与推理性能。
Comments Accepted to ICLR 2026. Code and models are available at https://github.com/Siaaaaaa1/DIVA-GRPO
SyncTrack: Rhythmic Stability and Synchronization in Multi-Track Music Generation
SyncTrack: 多轨音乐生成中的节奏稳定性与同步
机构 * Department of Mathematics, The Hong Kong University of Science and Technology（香港科学与技术大学数学系） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科学与技术大学跨学科研究学院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology（香港科学与技术大学神经系统紊乱国家重点实验室） ； The University of Hong Kong（香港大学）
AI总结 SyncTrack通过同步多轨波形音乐生成模型提升多轨音乐的节奏一致性和同步性。
Comments Accepted by ICLR 2026
Unified Vision-Language Modeling via Concept Space Alignment
通过概念空间对齐实现统一的视觉-语言建模
机构 * University of Edinburgh（爱丁堡大学） ； FAIR at Meta（Meta公司FAIR团队）
AI总结 通过概念空间对齐实现统一的视觉-语言建模，V-SONAR在多语言和多模态任务中超越现有模型。
Comments ICLR 2026
CARD: Towards Conditional Design of Multi-agent Topological Structures
CARD: 向多智能体拓扑结构的条件设计迈进
AI总结 CARD通过条件图生成框架实现多智能体通信拓扑的动态适应，提升系统在不同环境下的有效性和鲁棒性。
Comments Accepted to ICLR 2026
Can Vision Language Models Assess Graphic Design Aesthetics? A Benchmark, Evaluation, and Dataset Perspective
视觉语言模型能否评估图形设计的审美？一个基准、评估和数据集的视角
机构 * Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院） ； Microsoft（微软） ； Central South University（中南大学）
AI总结 本文提出AesEval-Bench基准，系统评估视觉语言模型在图形设计审美评估中的性能，并构建训练数据集以提升模型在该领域的表现。
Comments ICLR 2026
Adaptive Augmentation-Aware Latent Learning for Robust LiDAR Semantic Segmentation
自适应增强感知潜在学习用于鲁棒激光雷达语义分割
AI总结 A3Point通过自适应增强感知潜在学习框架，有效缓解恶劣天气下的语义偏移问题，提升激光雷达语义分割的鲁棒性。
Comments Accepted by International Conference on Learning Representations (ICLR 2026)
Evaluating GFlowNet from partial episodes for stable and flexible policy-based training
从部分片段评估GFlowNet以实现稳定且灵活的基于策略的训练
机构 * Texas A&M University（德克萨斯大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室）
AI总结 本文提出了一种基于流平衡的评估方法，用于提升基于策略的训练的稳定性和灵活性，通过在部分片段上学习评估器来减少策略分歧。
Comments Accepted by ICLR 2026
Human or Machine? A Preliminary Turing Test for Speech-to-Speech Interaction
人类还是机器？一种语音到语音交互的初步图灵测试
机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； Shenzhen Research Institute of Big Data（深圳大数据研究 institute） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文首次对语音到语音系统进行图灵测试，发现现有系统在类人特性上存在显著差距，提出细粒度分类法和可解释模型以提升对话AI的类人能力。
Comments Accepted by ICLR 2026 Conference
HyperKKL: Enabling Non-Autonomous State Estimation through Dynamic Weight Conditioning
HyperKKL：通过动态权重条件实现非自主状态估计
机构 * MBZUAI（穆扎布伊人工智能研究所） ； Univ Gustave Eiffel（吉尔伯特·伊夫尔大学）
AI总结 HyperKKL通过动态权重条件方法，实现非自主非线性系统的状态估计，解决了传统KKL观测器在非自主系统中的应用难题。
Comments 18 pages, 6 figures, Accepted in ICLR 2026 AI & PDE Workshop
Joint Shadow Generation and Relighting via Light-Geometry Interaction Maps
基于光-几何交互映射的阴影生成与光照恢复
机构 * Amazon（亚马逊公司） ； Australian National University（澳大利亚国立大学）
AI总结 本文提出光-几何交互映射，通过联合阴影生成与光照恢复的统一流程，实现高效且物理一致的阴影处理。
Comments ICLR 2026
Dataset Color Quantization: A Training-Oriented Framework for Dataset-Level Compression
数据集颜色量化：面向数据集层面压缩的训练导向框架
机构 * CFAR, Agency for Science, Technology and Research, Singapore（科技研究局CFAR, 新加坡） ； IHPC, Agency for Science, Technology and Research, Singapore（科技研究局IHPC, 新加坡） ； National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China (UESTC)（电子科技大学） ； Nanyang Technological University (NTU), Singapore（南洋理工大学, 新加坡）
AI总结 本文提出DCQ框架，通过减少颜色空间冗余并保留训练关键信息，实现数据集层面的高效压缩，提升训练性能。
Comments Accepted by ICLR 2026
Learning Ordinal Probabilistic Reward from Preferences
从偏好中学习序概率奖励
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ritzz-AI ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 本文提出序概率奖励模型，通过区域淹没微调提升奖励模型的准确性和数据效率，有效捕捉绝对文本质量。
Comments 28 pages, 5 figures, ICLR 2026
Entropy-Guided Dynamic Tokens for Graph-LLM Alignment in Molecular Understanding
熵引导的动态令牌用于分子理解中的图-语言模型对齐
AI总结 EDT-Former通过熵引导的动态令牌生成，在无需微调LLM主干的情况下实现图编码器与LLM的对齐，提升分子图理解的效率和泛化能力。
Comments Accepted by ICLR 2026
CloDS: Visual-Only Unsupervised Cloth Dynamics Learning in Unknown Conditions
CloDS: 未知条件下的视觉-only 无监督布料动力学学习
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院）
AI总结 CloDS通过无监督学习从多视角视觉数据中学习布料动力学，解决未知条件下的动态模拟问题。
Comments ICLR 2026
Decoupled Diffusion Sampling for Inverse Problems on Function Spaces
解耦扩散采样用于函数空间上的逆问题
AI总结 本文提出了解耦扩散逆求解器（DDIS），通过解耦设计提升数据效率和物理感知学习，实现稀疏观测下的高性能逆问题求解。
Comments Accepted to ICLR AI&PDE Workshop (Oral)
HierLoc: Hyperbolic Entity Embeddings for Hierarchical Visual Geolocation
HierLoc：基于超几何实体嵌入的层次视觉定位
机构 * Huawei Riemann Lab（华为里曼实验室） ； Hilbert Research Centre（希尔伯特研究中心） ； Chair of Cartography, Technical University of Munich（慕尼黑技术大学制图学教授）
AI总结 HierLoc通过超几何实体嵌入实现层次视觉定位，减少误差并提升细粒度准确率，为全球图像定位提供新方法。
Comments This is camera ready version of the paper accepted to ICLR 2026 (poster)
Reward Models Inherit Value Biases from Pretraining
奖励模型继承预训练中的价值偏见
机构 * Department of Experimental Psychology, University of Oxford（心理学系，牛津大学） ； Department of Computer Science, University of Oxford（计算机科学系，牛津大学） ； AI/ML Research Group, Universitat Pompeu Fabra（人工智能/机器学习研究组，庞培法华大学） ； Oxford Internet Institute, University of Oxford（牛津互联网研究所，牛津大学）
AI总结 本研究发现奖励模型继承预训练模型的价值偏见，影响其对代理和共融的偏好，揭示了预训练阶段对安全和对齐的重要性。
Journal ref International Conference on Learning Representations (ICLR), 2026
SoFlow: Solution Flow Models for One-Step Generative Modeling
SoFlow：用于一步生成建模的解流模型
机构 * Princeton University（普林斯顿大学）
AI总结 SoFlow通过引入流匹配损失和解一致性损失，实现从头开始的一步生成建模，提升生成性能并优化计算效率。
Comments Accepted to ICLR 2026. Our code is available at https://github.com/zlab-princeton/SoFlow
CRISP: Contact-Guided Real2Sim from Monocular Video with Planar Scene Primitives
CRISP: 从单目视频中基于接触引导的现实到仿真转换
AI总结 CRISP通过拟合平面原始体和强化学习，从单目视频中生成可模拟的现实到仿真环境，显著降低运动跟踪失败率。
Comments Published at ICLR 2026. Project page: https://crisp-real2sim.github.io/CRISP-Real2Sim/
Brain-Semantoks: Learning Semantic Tokens of Brain Dynamics with a Self-Distilled Foundation Model
Brain-Semantoks: 通过自蒸馏基础模型学习脑动态的语义标记
机构 * Hertie Institute for AI in Brain Health, University of Tübingen（图宾根大学脑健康人工智能研究所） ； Tübingen AI Center, University of Tübingen（图宾根大学图宾根人工智能中心） ； Charité – Universitätsmedizin Berlin, Department of Psychiatry and Psychotherapy（柏林夏里特医学院心理治疗系）
AI总结 Brain-Semantoks通过自蒸馏基础模型学习脑动态的语义标记，提升fMRI时间序列在下游任务中的性能。
Comments Accepted at ICLR 2026. Code and pretrained models available at https://github.com/SamGijsen/Brain-Semantoks
Learning to Orchestrate Agents in Natural Language with the Conductor
通过指挥模型学习自然语言中的代理协调
机构 * Sakana AI, Japan（日本Sakana AI公司） ； University of Michigan, USA（美国密歇根大学） ； Institute of Science Tokyo, Japan（日本东京科学研究所）
AI总结 本文提出通过强化学习训练指挥模型，实现自然语言中代理的协调，展示其在推理基准测试中的卓越性能。
Comments To appear at the 14th International Conference on Learning Representations (ICLR 2026)
WavefrontDiffusion: Dynamic Decoding Schedule for Improved Reasoning
WavefrontDiffusion: 动态解码调度以提升推理性能
机构 * School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室） ； The University of Queensland（昆士兰大学） ； University of California, Merced（加州大学梅尔德分校）
AI总结 WavefrontDiffusion通过动态解码调度提升推理和代码生成的性能与语义连贯性。
Comments 19 pages. 3 figures
Journal ref ICLR 2026
