期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
向基于脑表示的可解释视觉解码迈进
机构 * Zuckerman Mind Brain Behavior Institute, Columbia University, USA（祖克曼心智大脑行为研究所，哥伦比亚大学，美国）
AI总结 本文提出NeuroAdapter框架，通过直接条件化潜在扩散模型于脑表示，实现更透明的脑-图像解码与重建。
Comments Accepted by ICLR 2026
COMPASS：用于医学分割度量的鲁棒特征符合预测
AI总结 COMPASS通过利用深度神经网络的归纳偏差，为医学图像分割提供高效的基于度量的不确定性量化方法。
Comments Accepted at ICLR 2026
为MLLMs定制视觉情绪评估：一种开放词汇、多维且可扩展的方法
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出一种开放词汇、多维且可扩展的方法，用于定制MLLMs的视觉情绪评估，通过情绪陈述判断任务和自动化流程，评估现有模型在情绪识别和上下文判断中的表现，并揭示其局限性。
Comments Accepted by ICLR 2026
QuadGPT：基于自回归模型的原生四边形网格生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent Hunyuan（腾讯文元）
AI总结 QuadGPT通过自回归模型和强化学习优化，实现了端到端的四边形网格生成，提升了几何精度和拓扑质量。
Comments ICLR 2026
FLUX 是否已经能够进行物理上合理的图像合成？
机构 * Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学）
AI总结 FLUX能否通过SHINE框架实现物理合理的图像合成，通过引入无训练框架和降质抑制指导，提升高保真度和背景完整性。
Comments Accepted by ICLR 2026
GraphUniverse: 用于评估归纳泛化能力的合成图生成
机构 * Universitat Politècnica de Catalunya（巴塞罗那理工大学） ； University of California Santa Barbara（加州大学圣巴巴拉分校）
AI总结 GraphUniverse通过生成具有持久语义社区的合成图，系统评估了归纳泛化能力，揭示了强传递性表现与归纳泛化能力的关联性不足，以及分布偏移鲁棒性对模型架构和初始图阶段的敏感性。
Comments Accepted as a conference paper at ICLR 2026
在推荐系统知识蒸馏中 rejuvenating 交叉熵损失
机构 * East China Normal University（东华大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出RCE-KD方法，通过将教师的顶部物品分为两部分并采用采样策略，改进推荐系统知识蒸馏中的交叉熵损失，提升NDCG性能。
Comments ICLR 2026 Accepted
稀疏神经网络的恢复保证
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Electrical Engineering（电气工程系） ； Stanford University（斯坦福大学）
AI总结 该研究为稀疏神经网络提供了恢复保证，通过迭代硬阈值算法以线性内存复杂度精确恢复稀疏权重，并在多个任务中表现出优于传统方法的性能。
Comments ICLR 2026
基于流形的感知源分离评估
机构 * Electrical and Computer Engineering, Technion - Israel Institute of Technology（技术学院-以色列理工学院电子与计算机工程系） ； Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学）
AI总结 本文提出基于流形学习的感知分离和匹配度量方法，用于更准确评估音频源分离系统的感知性能。
Comments Published as a conference paper at ICLR 2026
绘画比思考更容易：文本到图像模型能否铺垫，却无法主导？
机构 * University of Science and Technology of China（中国科学技术大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； The University of Hong Kong（香港大学）
AI总结 本文提出T2I-CoReBench基准测试，用于评估文本到图像模型的组合与推理能力，揭示现有模型在高组合场景和推理任务中的局限性。
Comments Accepted to ICLR 2026. Project Page: https://t2i-corebench.github.io/
混合专家语言模型在推理任务中的最优稀疏性
机构 * Institute of Science Tokyo（东京科学研究院） ； NII LLMC（国家信息研究所语言模型中心） ； Tohoku University（东北大学） ； RIKEN（日本研究机构）
AI总结 研究通过分析MoE模型的稀疏性对记忆和推理任务的影响，发现推理任务需在活跃FLOPs和TPP之间找到最优平衡。
Comments Accepted as an oral at ICLR 2026
下一步视觉粒度生成
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； SenseTime Research（商汤科技研究院）
AI总结 NVG框架通过分层生成方法实现图像生成，优于VAR系列，提升FID分数并展示出良好的扩展性和潜在应用。
Comments ICLR 2026
FMIP: 混合整数线性规划的联合连续-整数流
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Princeton University（普林斯顿大学） ； National University of Singapore（国立新加坡大学） ； Antai College of Economics and Management（经济管理学院） ； Shanghai Institute for Mathematics and Interdisciplinary Sciences（上海数学与交叉科学研究院） ； Stanford University（斯坦福大学）
AI总结 FMIP提出了一种新的生成框架，通过联合建模整数和连续变量分布，提升混合整数线性规划求解效率。
Comments Accepted at the International Conference on Learning Representations (ICLR), 2025. A generative framework for MILP that jointly models integer and continuous variables, achieving 41% primal gap reduction with broad solver compatibility
分数阶脉冲神经网络
AI总结 本文提出分数阶脉冲神经网络框架，通过分数阶动力学捕捉长期依赖性，提升时序模式表达能力，并发布开源工具支持多种架构和任务。
Comments Accepted to the International Conference on Learning Representations (ICLR) 2026
SASFT：基于稀疏自编码器的监督微调以缓解大语言模型中的意外语言混合
机构 * Tongyi Lab, Alibaba Group Inc（通义实验室，阿里巴巴集团）
AI总结 SASFT通过稀疏自编码器引导监督微调，有效减少大语言模型中的意外语言混合，同时保持多语言能力。
Comments ICLR 2026
当分治策略在长上下文LLM中何时有效？一种噪声分解框架
机构 * University of Chicago（芝加哥大学） ； Together AI ； Duke University（杜克大学） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种噪声分解框架，分析了长上下文LLM中分治策略的有效条件，揭示了任务噪声、模型噪声和聚合噪声的区分，并通过实验验证了多代理分块策略在处理长上下文任务中的有效性。
Comments ICLR 2026
SecP-Tuning: 通过MPC实现大语言模型高效隐私保护提示微调
机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Institute of Statistical Interdisciplinary Research, Southwestern University of Finance and Economics（统计交叉学科研究所，西南财经大学） ； National University of Singapore（新加坡国立大学）
AI总结 SecP-Tuning通过MPC实现大语言模型高效隐私保护提示微调，显著提升微调效率并减少通信开销。
Comments ICLR 2026
VINCIE：从视频中解锁上下文图像编辑
机构 * National University of Singapore（国立新加坡大学） ； ByteDance Seed（字节跳动种子）
AI总结 VINCIE通过视频直接训练模型，实现了强大的上下文图像编辑能力，并在多轮图像编辑基准中取得最佳成绩。
Comments ICLR 2026 Camera-ready. Project page: https://vincie2025.github.io/
VITA：通过视觉语言模型的测试时间适应实现零样本价值函数
AI总结 VITA通过测试时间适应提升视觉语言模型的零样本价值估计能力，实现跨任务和环境的泛化，优于现有方法。
Comments International Conference on Learning Representations, 2026
PD$^{2}$GS: 关节物体的部件级解耦与连续变形 via 高斯点散布
机构 * Anhui University（安徽大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Beijing Institute of Architectural Design（北京建筑院设计研究院）
AI总结 PD$^{2}$GS通过高斯点散布实现关节物体的部件级解耦与连续变形，无需手动监督，提升几何和运动学准确性及连续控制一致性。
Comments Accepted by ICLR 2026
OmniSpatial：迈向视觉语言模型的空间推理综合基准
机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。
Comments ICLR 2026
基于上下文的学习用于纯粹探索
AI总结 ICPE通过元训练Transformer实现上下文迁移，能够在无需显式建模信息结构的情况下，高效完成多臂老虎机和广义搜索等任务的纯粹探索。
Comments Published as a conference paper at ICLR 2026
SenseFlow: 为基于流的文本到图像蒸馏扩展分布匹配
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； SenseTime Research（商汤科技研究院） ； Vivix AI（维维克斯人工智能） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究所）
AI总结 SenseFlow通过引入隐式分布对齐和段内指导，解决大规模基于流的文本到图像模型蒸馏中的收敛问题，提升蒸馏效果。
Comments Published as a conference paper at ICLR 2026
RedTeamCUA: 计算机使用代理在混合网络-操作系统环境中的现实对抗测试
机构 * The Ohio State University（俄亥俄州立大学）
AI总结 RedTeamCUA通过混合沙盒评估CUA在混合网络-操作系统环境中的对抗性攻击，揭示了当前CUA在间接提示注入方面的严重安全漏洞。
Comments ICLR 2026 (Oral)
VeriTrail：基于可追溯性的封闭领域幻觉检测
机构 * Microsoft Research（微软研究院）
AI总结 VeriTrail通过提供可追溯性，首次实现了对封闭领域幻觉的检测，同时引入了包含中间输出和人类注释的数据集，提升了多步骤和单步骤生成过程的幻觉检测效果。
Comments ICLR 2026
RefTool: 基于参考的工具创建用于知识密集型推理
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王萱计算机技术研究所） ； University of Chicago（芝加哥大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 RefTool通过基于参考的工具创建框架，提升LLMs在知识密集型任务中的推理能力，实现更准确和高效的工具生成与应用。
Comments Accepted by ICLR 2026. Code is available at https://github.com/xxxiaol/RefTool
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
Seek-CAD: 一种基于局部推理的自优化生成模型用于3D参数化CAD设计
机构 * College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学）
AI总结 Seek-CAD通过结合视觉和链式思维反馈，利用本地开源模型生成3D参数化CAD模型，提升生成效率和实用性。
Comments Accepted to ICLR 2026. The datatset has been released publicly and can be acessed in https://github.com/Sunny-Hack/Seek-CAD
首次印象问题：内部偏见触发推理模型中的过度思考
AI总结 本文研究了推理模型中过度思考的根源，发现内部偏见是导致过度思考的关键因素，并通过实验验证了偏见对推理过程的影响。
Comments ICLR 2026 poster
GradPCA: 利用NTK对齐实现可靠的分布外检测
机构 * Ludwig-Maximilians-Universität München（慕尼黑莱布尼茨大学） ； University of Pittsburgh（匹兹堡大学） ； Harvard University（哈佛大学） ； University of Tromso（特罗姆斯大学） ； DLR-German Aerospace Center（德国航空航天中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 GradPCA通过利用NTK对齐的梯度低秩结构，实现了可靠的分布外检测，并通过理论分析和实验验证了其有效性。
Journal ref In Proceedings of International Conference on Learning Representations (ICLR), 2026
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