高校专区
一种适用于任意空间群的单一架构
机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； Gatsby Computational Neuroscience Unit, University College London（伦敦大学学院计算神经科学单元）
AI总结 本文提出了一种能够自动适应任何空间群的机器学习架构，通过构建对称适应的傅里叶基来实现对称不变性，从而提高材料属性预测和零样本学习的性能。
Comments 24 pages, 7 figures. ICLR 2026
元学习超参数用于参数高效微调
机构 * Singapore Management University（新加坡管理大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 MetaPEFT通过元学习动态调整超参数，提升遥感图像微调的性能和尾部类别准确性。
Comments Accepted by CVPR 2025 (Highlight). Code is available at: https://github.com/doem97/metalora
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025, pp. 23037-23047
生成AI与虚构性：小说如何赋能大语言模型
机构 * School of Information Science University of Illinois Urbana-Champaign（信息科学学院伊利诺伊大学厄巴纳-香槟分校） ； Department of English Duke University（英语系杜克大学）
AI总结 研究探讨小说如何影响生成AI，发现LLMs利用小说属性并产生新社交回应，强调计算训练数据的重要性。
一种用于四足机器人增强跳跃能力的可部署生物启发合规腿部设计
机构 * Department of Mechatronics and Robotics, Xi’an Jiaotong-Liverpool University（机电一体化与机器人系，西安交通大学-利物浦大学） ； Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种生物启发的可部署合规腿部设计，通过模仿蛙跳腿的能量存储机制，显著提升了四足机器人垂直跳跃能力，实验显示跳跃高度提升了17.1%。
在推理模型中基准污染检测的脆弱性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学）
AI总结 研究发现LRMs在基准污染检测中存在脆弱性，通过简单方法可轻易污染模型以提升排行榜表现，威胁评估公平性。
Comments Accepted by ICLR 2026
打破壁垒：强化学习后训练的增益是否能转移到未见领域？
机构 * Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（计算机与数据科学学院，伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究探讨了强化学习后训练在不同领域中的泛化能力，发现其增益在不同推理模式的领域中不一致。
Comments ICLR 2026; 9 pages, 4 figures, 2 tables
NFT：在数学推理中连接监督学习与强化学习
机构 * Tsinghua（清华大学） ； NVIDIA ； UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学）
AI总结 NFT通过监督学习方法实现LLM自主改进，无需外部教师，在数学推理任务中超越传统RL算法。
mCLM：一种模块化化学语言模型，能够生成功能性强且可制造的分子
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） ； Department of Chemistry, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校化学系） ； Allchemy Inc.（Allchemy公司） ； Department of Chemical and Biomolecular Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校化学与生物分子工程系） ； Ulsan National Institute of Science and Technology（乌山国立科学技术研究院） ； Institute of Organic Chemistry, Polish Academy of Sciences（波兰科学院有机化学研究所）
AI总结 mCLM是一种模块化化学语言模型，通过功能构建模块生成具有功能性和可制造性的分子，提升合成可行性和药物研发效率。
Comments Accepted to ICLR 2026 (Oral). Code: https://github.com/blender-nlp/mCLM Data and Model: https://huggingface.co/collections/language-plus-molecules/mclm
MC-Search：基于结构化长推理链评估和增强多模态代理搜索
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； IBM Research（IBM研究院） ； Stony Brook University（石溪大学）
AI总结 MC-Search是首个针对代理MM-RAG的基准，通过结构化长推理链评估和增强多模态代理搜索，揭示了系统性问题并改进了模型的规划和检索能力。
Comments ICLR 2026
实现隐私数据估值的挑战
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Virginia（弗吉尼亚大学）
AI总结 本文研究了在差分隐私下实现数据估值的可行性，分析了现有方法的局限性，并提出了更隐私友好的估值设计原则。
FASA: 基于频率的稀疏注意力
机构 * AMAP, Alibaba Group（阿里巴巴集团AMAP） ； UCSD（加州大学圣迭戈分校） ； UIUC（伊利诺伊大学香槟分校） ； Texas A&M University（德克萨斯农工大学）
AI总结 FASA通过动态预测令牌重要性，实现基于频率块的稀疏注意力机制，在长上下文任务中表现出色，达到接近全缓存性能且显著提升效率。
Comments Accepted by ICLR 2026
突破内存瓶颈：支持百万级上下文的高效训练系统
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing Ministry of Education of China（教育部多媒体可信感知与高效计算重点实验室） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 OOMB通过高效内存管理实现百万级上下文LLM训练，显著降低内存开销，提升训练效率。
基于物理实验开发城市空中交通的基本图示
机构 * Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； Department of Civil and Environmental Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校土木与环境工程系） ； Department of Civil and Environmental Engineering, University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校土木与环境工程系）
AI总结 本研究通过物理实验和仿真结合，开发了城市空中交通的基本图示，验证了传统交通模型在UAM中的适用性，并提供了现实运行条件下的实用见解。
GAR：用于形式定理证明的生成对抗强化学习
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达）
AI总结 GAR通过生成对抗强化学习框架提升形式定理证明的效率和性能
关于吸收离散扩散的ε-免费推断复杂度
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学）
AI总结 本文提出AATU方法，通过吸收离散扩散的结构优势，实现了ε-TV收敛的O(d ln d)复杂度，消除了传统均匀化推理的分数限制假设，并在时间不变参数化中展示了更高效的推理策略。
Comments 48 pages
PLANETALIGN：一个用于网络对齐基准测试的综合Python库
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯大学农工学院）
AI总结 PLANETALIGN是一个用于网络对齐基准测试的综合Python库，提供丰富的数据集、方法和评估流程，旨在促进更有效、可扩展和鲁棒的NA方法开发。
Comments Published as a conference paper at ICLR 2026
QuickGrasp: 通过加速分词和边缘增强推理实现响应式视频-语言查询服务
机构 * School of Computing Science, Simon Fraser University（计算科学学院，西蒙弗雷泽大学） ； Computer Science Department, University of Illinois Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校） ； College of Cryptology and Cyber Science, Nankai University（密码学与网络科学学院，南开大学） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学）
AI总结 QuickGrasp通过加速分词和边缘增强推理，实现响应式视频-语言查询服务，兼顾准确性和响应速度。
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