期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
探索教学视频中动作识别的序数偏差
机构 * Korea Institute of Science and Technology（韩国科学技术院） ； Seoul National University（首尔国立大学）
AI总结 本文提出两种方法探索教学视频中动作识别的序数偏差问题，通过实验揭示模型在面对非常规动作序列时的脆弱性，强调了重新设计评估策略和开发更通用模型的必要性。
Comments Accepted at SCSL @ ICLR 2025
神经欧拉场景流场
机构 * University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 EulerFlow通过神经先验估计空间时间微分方程，实现高质量场景流估计，在多个领域表现优异，超越现有方法。
Comments Accepted to ICLR 2025. Winner of CVPR 2024 WoD Argoverse Scene Flow Challenge, Unsupervised Track. Project page at https://vedder.io/eulerflow
HUME：文本嵌入任务中人类-模型性能差距的测量
机构 * Carleton University（卡尔顿大学） ； Zendesk（Zendesk公司） ； Stanford University（斯坦福大学） ； Aarhus University（阿arhus大学）
AI总结 HUME通过测量人类与模型在文本嵌入任务中的性能差距，揭示了模型与人类在不同语言资源下的表现差异，并提供了一个可扩展的评估框架。
Comments Submitted to ICLR 2026
KiVA：儿童启发的视觉类比用于测试大多模态模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Boston University（波士顿大学） ； Google DeepMind（谷歌DeepMind） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
AI总结 KiVA通过4300个日常物体视觉转换测试大模型的类比推理能力，发现儿童和成人表现优于现有模型，尤其在复杂任务上存在显著差距。
Comments 10 pages. Project website: https://ey242.github.io/kiva.github.io/. Benchmark and code: https://github.com/ey242/KiVA
Journal ref The Thirteenth International Conference on Learning Representations (ICLR), 2025
DynamicCity: 从动态场景生成大规模4D占用图
机构 * WorldBench Team（WorldBench团队）
AI总结 DynamicCity通过VAE和DiT模型生成高质量动态4D占用图，提升拟合质量与训练效率。
Comments ICLR 2025 Spotlight; 35 pages, 18 figures, 15 tables; Project Page at https://dynamic-city.github.io/
语言模型中的趋炎附势主张：缺失的人工智能循环
机构 * Weizenbaum Institute（韦岑鲍姆研究所） ； Technical University Berlin（柏林技术大学） ； Technical University Munich（慕尼黑技术大学）
AI总结 本文探讨了大型语言模型中趋炎附势现象的测量挑战，提出五个核心操作化定义，并指出当前研究缺乏对人类感知的评估，为未来研究提供建议。
Comments NeurIPS 2025 Workshop on LLM Evaluation and ICLR 2025 Workshop on Bi-Directional Human-AI Alignment
可证明的内存高效自博弈算法用于无模型强化学习
机构 * College of Information Science and Electronic Engineering（信息科学与电子工程学院） ； Zhejiang University（浙江大学） ； School of Information and Electronics（信息与电子学院） ； Beijing Institute of Technology（北京理工大学） ； Institute of Acoustics（声学研究所） ； Chinese Academy of Sciences（中国科学院）
AI总结 本文提出了一种内存高效的自博弈算法，用于解决多智能体强化学习中的内存效率、样本复杂度和预热成本问题。
Comments ICLR 2024. arXiv admin note: substantial text overlap with arXiv:2110.04645 by other authors
神经网络动力学中的高斯普遍性与广义结构输入分布
机构 * Department of Physics, Korea Advanced Institute of Science and Technology（韩国科学技术院物理系） ； Center of Complex Systems, Korea Advanced Institute of Science and Technology（韩国科学技术院复杂系统中心）
AI总结 本研究通过将输入建模为高斯混合分布，揭示了神经网络动力学在标准化后表现出高斯普遍性，从而增强了深度学习理论的理解。
Comments Accepted for Bridging the Gap Between Practice and Theory in Deep Learning (BGPT) Workshop at ICLR 2024, [v1] 23 pages, 16 figures
NeuroGaze-Distill：基于脑科学的蒸馏与抑郁启发的几何先验用于鲁棒面部情绪识别
机构 * School of Information and Intelligent Science（信息与智能科学学院） ； Department of Computer（计算机系） ； North China Electric Power University (BaoDing)（华北电力大学（保定））
AI总结 NeuroGaze-Distill通过脑科学先验和抑郁启发的几何先验提升面部情绪识别的鲁棒性，采用跨模态蒸馏框架实现无需生物信号的部署。
Comments Preprint. Vision-only deployment; EEG used to form static prototypes. Includes appendix, 7 figures and 3 tables. Considering submission to ICLR 2026. Revision note: This version corrects inaccuracies in the authors' institutional affiliations. No technical content has been modified
通过合并预训练专家打破扩散模型中似然-质量权衡
机构 * Saarland University（萨尔兰大学） ； Helmholtz AI（亥姆霍兹人工智能研究所） ； Technical University of Munich（慕尼黑技术大学） ； CISPA Helmholtz Center for Information Security（亥姆霍兹信息安全部分研究所） ； MPI for Intelligent Systems, Tübingen（图宾根智能系统研究所）
AI总结 通过在去噪过程中切换预训练专家，该方法有效打破扩散模型中似然与质量的权衡，提升图像生成质量和似然
Comments ICLR 2025 DeLTa workshop
大型语言模型贝叶斯优化的可重复性研究
机构 * UL FRI Data Science（UL FRI数据科学）
AI总结 本研究验证了LLAMBO框架在更换语言模型backbone时的鲁棒性，并展示了其在Llama 3.1 70B上的有效性。
Comments 7 pages, 8 figures. Reproducibility study of the LLAMBO framework (ICLR 2024). Code: https://github.com/spagnoloG/llambo-reproducibility
直接到零：为什么线性衰减学习率到零在大语言模型中效果最佳
机构 * Cerebras Systems（Cerebras系统）
AI总结 本研究发现线性衰减到零的学习率调度在训练大语言模型时效果最佳，相比其他调度方式具有显著优势。
Comments ICLR 2025
加速目标条件强化学习算法与研究
机构 * Warsaw University of Technology（华沙技术大学） ； University of Warsaw（华沙大学） ； UC Berkeley（伯克利大学） ； Jagiellonian University（雅盖隆大学） ； Polish Academy of Sciences（波兰科学院） ； IDEAS NCBR ； Princeton University（普林斯顿大学）
AI总结 本文提出JaxGCRL框架，通过高效算法和GPU加速技术显著提升目标条件强化学习的训练效率，并评估对比学习中的关键设计以稳定训练性能。
Comments Published at ICLR 2025 (Spotlight). Website: https://michalbortkiewicz.github.io/JaxGCRL/ Code: https://github.com/MichalBortkiewicz/JaxGCRL
Journal ref International Conference on Learning Representations (ICLR), 2025
受神经回路启发的分层图因果注意网络用于可解释的抑郁症识别
机构 * MOE Frontier Science Center for Brain Science and Brain-machine Integration（脑科学与脑机融合前沿科学中心） ； Nanhu Brain-computer Interface Institute（南湖脑机接口研究院） ； School of Computer Science and Technology（计算机科学与技术学院） ； Qiushi Academy for Advanced Studies（启硕高级研究院） ； State Key Laboratory of Brain-machine Intelligence（脑机智能国家重点实验室） ； The Department of Neurosurgery, Second Affiliated Hospital, School of Medicine, Zhejiang University Hangzhou, China（浙江大学医学院附属第二医院神经外科）
AI总结 本文提出NH-GCAT网络，通过分层图因果注意机制，结合神经科学知识，实现对抑郁症的可解释识别。
Comments Under review for ICLR 2026
CBMA：通过贝叶斯模型平均改进符合预测
AI总结 CBMA通过结合贝叶斯模型平均与符合预测，改进了在模型可能误指定时的预测效率和鲁棒性。
Comments 19 pages
Journal ref ICLR 2025
SePer：通过语义困惑度降低的视角衡量检索效用
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 SePer通过语义困惑度降低衡量检索效用，提供更精确的RAG评估方法
Comments ICLR 2025 Spotlight
变分搜索分布
机构 * Data61, CSIRO, Australia（Data61，CSIRO，澳大利亚）
AI总结 VSD通过变分推断方法，高效地在稀有类别中生成离散组合设计，实验证明其在蛋白质和DNA/RNA工程任务中的优越性。
Comments Accepted as a poster in the thirteenth International Conference on Learning Representations (ICLR), 2025
Journal ref https://proceedings.iclr.cc/paper_files/paper/2025/hash/055fc19a3ce780b96cff15ffe738c1f1-Abstract-Conference.html
提升采样温度：用于生成创意且连贯LLM输出的min-p采样
机构 * Apart Research ； Independent（独立研究者） ； New York University（纽约大学）
AI总结 min-p采样通过动态截断方法提升LLM生成文本的质量和多样性，尤其在高温度下表现优异，已获多个开源框架采用。
Comments Oral presentation at ICLR 2025. Camera-ready version available at https://iclr.cc/virtual/2025/poster/30358
Journal ref In Proceedings of the 2025 International Conference on Learning Representations (ICLR), 2025
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Kuaishou Technology（快手科技） ； Zhengzhou University（郑州大学） ； ShanghaiTech University（上海科技大学） ； Peng Cheng Laboratory（鹏城实验室）
Comments ICLR 2025 Accepted (Spotlight)
机构 * University of Amsterdam, Department of Quantitative Economics（阿姆斯特丹大学量化经济学系） ； Tinbergen Institute（廷伯根研究所）
Comments Published at ICLR 2025
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）
Comments Accepted at ICLR 2025
机构 * Aarhus University（奥胡斯大学） ； Individual Contributor（个人贡献者） ； Esker（Esker公司） ； INSA Lyon（里昂INSA） ； University of Amsterdam（阿姆斯特丹大学） ； MBZUAI（穆罕默德·本·拉希德智能技术研究院） ； Jina AI（Jina AI公司） ； Microsoft Research（微软研究院） ； Wikit（Wikit公司）
Comments Accepted for ICLR: https://openreview.net/forum?id=zl3pfz4VCV
机构 * Rutgers University（新泽西罗格斯大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Red Hat AI Innovation（红帽AI创新） ； Google DeepMind（谷歌DeepMind） ； NYU（纽约大学） ； Walmart Global Tech（沃尔玛全球技术） ； NEC Labs America（NEC美国实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； ANU（澳大利亚国立大学） ； UT Arlington（德克萨斯大学阿灵顿分校）
Comments Project webpage: https://hexiaoxiao-cs.github.io/DICE/. This paper was accepted to CVPR 2025 but later desk-rejected post camera-ready, due to a withdrawal from ICLR made 14 days before reviewer assignment
机构 * Michigan State University（密歇根州立大学） ； Amazon（亚马逊）
Comments camera ready version, update meta info,accepted by ICLR 2025 https://openreview.net/forum?id=hovDbX4Gh6
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
Journal ref 13th International Conference on Learning Representations (ICLR 2025)
机构 * KAIST, Republic of Korea（韩国延世大学）
Comments ICLR 2025 Camera Ready (15 pages), with minor typos fixed
机构 * Harvard University（哈佛大学）
Comments Accepted at ICLR 2025
机构 * Purdue University（普渡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Lynbrook High School（林布罗克高中） ； J.P. Morgan AI Research（摩根大通人工智能研究）
Comments Published as a conference paper at ICLR 2025
机构 * Independent Researcher（独立研究者）
Comments Under Review for ICLR 2026, 25 pages total with appendix, 7 figures, 12 tables
机构 * School of Computing, KAIST（计算学院，韩国科学技术院）
Journal ref International Conference on Learning Representations (ICLR), 2024
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