University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

ReMix: Reinforcement routing for mixtures of LoRAs in LLM finetuning

ReMix：用于LoRAs混合的强化路由

Ruizhong Qiu, Hanqing Zeng, Yinglong Xia, Yiwen Meng, Ren Chen, Jiarui Feng, Dongqi Fu, Qifan Wang, Jiayi Liu, Jun Xiao, Xiangjun Fan, Benyu Zhang, Hong Li, Zhining Liu, Hyunsik Yoo, Zhichen Zeng, Tianxin Wei, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta AI ； Washington University St. Louis（华盛顿大学圣路易斯分校） 纠错

AI总结 ReMix通过引入不可学习的路由权重和强化学习技术，改进了混合LoRAs模型的路由机制，提升了模型的表达能力和微调效果。

Comments LLA @ ICLR 2026

Marginals Before Conditionals

边际在条件之前

Mihir Sahasrabudhe

机构 * School of Information Sciences University of Illinois Urbana-Champaign（信息科学学院伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 研究揭示神经网络中边际学习先于条件学习的现象，通过最小任务展示条件学习的动态过程及稳定性机制。

Comments 13 pages, 5 figures

ConfHit: Conformal Generative Design with Oracle Free Guarantees

ConfHit: 无Oracle保证的符合生成设计

Siddhartha Laghuvarapu, Ying Jin, Jimeng Sun

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 Statistics and Data Science, Wharton School, University of Pennysylvania（宾夕法尼亚大学沃顿商学院统计与数据科学系） 纠错

AI总结 ConfHit通过无Oracle保证的符合生成设计框架，在多个置信水平下提供有效的覆盖保证，同时保持紧凑的认证集，为生成建模提供可靠的方法。

Comments Accepted at ICLR 2026

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

PvP: Data-Efficient Humanoid Robot Learning with Proprioceptive-Privileged Contrastive Representations

PvP: 通过体感优先对比表示实现数据高效的类人机器人学习

Mingqi Yuan, Tao Yu, Haolin Song, Bo Li, Xin Jin, Hua Chen, Wenjun Zeng

机构 * HK PolyU（香港理工大学） ； LimX Dynamics ； EIT, Ningbo（宁波工程学院） ； USTC（中国科学技术大学） ； ZJU-UIUC（浙江大学-UIUC） ； ZGCA（浙江工业大学） 纠错

AI总结 PvP通过体感优先对比学习提升类人机器人学习的样本效率和性能。

Comments 15 pages, 17 figures

Journal ref 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)