Convex Efficient Coding
凸高效编码
AI总结 本文提出了一种可 tractable 但灵活的规范性表征理论，通过优化表征相似性证明了一类凸优化问题，包括线性和非线性神经网络及半非负矩阵分解等，为神经编码提供了新的理论框架。
Comments 37 pages, 4 figures
Journal ref Proceedings of the 14th International Conference on Learning Representations, 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Parallel Token Prediction for Language Models
语言模型中的并行令牌预测
机构 * Department of Computer Science, University of California, Irvine（加州大学伊维特分校计算机科学系） ； Chan-Zuckerberg Initiative（张博士基金会） ； Pyramidal AI（金字塔人工智能） ； Computer Science & AI in Science Institute, University of California, Irvine（加州大学伊维特分校计算机科学与科学人工智能研究所）
AI总结 提出并行令牌预测框架，通过引入随机输入变量实现多令牌联合预测，提升语言模型解码效率。
Comments Accepted at ICLR 2026
Measuring Uncertainty Calibration
测量不确定性校准
机构 * Spotify
AI总结 本文提出了一种非渐近的校准误差上界方法，通过修改分类器以高效限制校准误差，同时保持性能，适用于实际数据集。
Comments ICLR 2026, 28 pages
Think-While-Generating: On-the-Fly Reasoning for Personalized Long-Form Generation
在生成过程中思考：面向个性化长文本生成的即兴推理
机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） ； National Engineering Laboratory for BITA, University of Science and Technology of China（BITA国家工程实验室，科学技术大学）
AI总结 FlyThinker通过在生成过程中进行动态推理，提升个性化长文本生成的效率和效果。
Comments Published as a conference paper at ICLR 2026
MotionStream: Real-Time Video Generation with Interactive Motion Controls
MotionStream: 通过交互式运动控制实现实时视频生成
机构 * Seoul National University（首尔国立大学） ； Adobe Research（Adobe研究） ； Carnegie Mellon University（卡内基梅隆大学） ； Morpheus AI
AI总结 MotionStream通过交互式运动控制实现实时视频生成，利用因果注意力机制和蒸馏技术，实现亚秒延迟和高效率的无限长视频流式生成。
Comments ICLR 2026, Project webpage: https://joonghyuk.com/motionstream-web/
EchoMind: An Interrelated Multi-level Benchmark for Evaluating Empathetic Speech Language Models
EchoMind: 一种相互关联的多级基准，用于评估共情语音语言模型
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 EchoMind是一种多级基准，用于评估SLMs在共情对话中的能力，揭示了现有模型在处理高表现性语音线索方面的不足。
Comments Speech Language Models, Spoken Language Understanding, Vocal Cue Perception, Empathetic Dialogue, Benchmark Evaluation; Accepted by ICLR 2026
Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs
抓取任意区域：迈向多模态大语言模型的精确、上下文像素理解
机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（模式识别新实验室、多模态人工智能系统国家重点实验室、自动化研究所、中国科学院（CASIA）） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； ByteDance（字节跳动）
AI总结 GAR通过RoI对齐特征重放技术实现多区域精准理解与复杂推理，提升多模态大语言模型的上下文感知能力。
Comments ICLR 2026 Camera Ready Version
SceneCOT: Eliciting Grounded Chain-of-Thought Reasoning in 3D Scenes
SceneCOT: 在3D场景中引导链式推理
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出SCENECOT框架，通过分解复杂任务并构建视觉线索，首次在3D场景中实现 grounded 链式推理，提升场景理解的推理能力。
Comments Accepted by ICLR 2026. Project page: https://scenecot.github.io/
Narrow Finetuning Leaves Clearly Readable Traces in Activation Differences
细粒度微调在激活差异中留下明显可读的痕迹
机构 * EPFL（苏黎世联邦理工学院） ； Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Harvard University（哈佛大学） ； MATS
AI总结 研究发现狭窄微调会在激活中留下明显痕迹，揭示了微调领域偏见，并警告了使用此类模型进行广泛微调研究的局限性。
Comments ICLR 2026
Text-to-3D by Stitching a Multi-view Reconstruction Network to a Video Generator
通过将多视角重建网络缝合到视频生成器中实现文本到3D
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌）
AI总结 VIST3A通过将多视角重建网络缝合到视频生成器中，实现文本到3D生成，提升3D场景生成质量。
Comments ICLR 2026 (Oral), Project page: https://gohyojun15.github.io/VIST3A/
Non-Asymptotic Analysis of Efficiency in Conformalized Regression
非渐近分析的符合化回归效率
AI总结 本文研究了符合化回归的非渐近效率界，通过SGD训练分位数和中位数回归，建立了预测集长度与理想区间的偏差界，揭示了不同误覆盖水平下的收敛率相变。
Comments Published as a conference paper at ICLR 2026
VidGuard-R1: AI-Generated Video Detection and Explanation via Reasoning MLLMs and RL
VidGuard-R1: 通过推理MLLMs和RL进行AI生成视频检测与解释
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院）
AI总结 VidGuard-R1通过推理MLLMs和强化学习，实现AI生成视频的高准确检测与可解释性分析。
Comments Accepted to ICLR 2026
Hyperspherical Latents Improve Continuous-Token Autoregressive Generation
超球面潜在变量改进连续令牌自回归生成
机构 * DP Technology（DP技术公司） ； Microsoft Research（微软研究院）
AI总结 SphereAR通过超球面约束解决自回归生成中的方差崩溃问题，在ImageNet生成中达到新的SOTA，超越了扩散和掩码生成模型。
Comments ICLR version
BeyondBench: Contamination-Resistant Evaluation of Reasoning in Language Models
超越基准：语言模型推理能力的抗污染评估
AI总结 BeyondBench通过算法问题生成提供抗污染的推理评估，揭示语言模型在复杂任务中的推理缺陷。
Comments Accepted to ICLR 2026 Conference
BridgeDrive: Diffusion Bridge Policy for Closed-Loop Trajectory Planning in Autonomous Driving
BridgeDrive: 基于扩散桥的闭环轨迹规划扩散策略
机构 * Bosch (China) Investment Ltd（博世（中国）投资有限公司）
AI总结 BridgeDrive提出一种基于锚点的扩散桥策略，通过实时闭环轨迹规划提升自动驾驶的安全性和效率。
Comments Accepted for publication at ICLR 2026
TabStruct: Measuring Structural Fidelity of Tabular Data
TabStruct: 表格数据结构忠实性度量
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Télécom Paris, Institut Polytechnique de Paris（巴黎理工 Télécom Paris）
AI总结 TabStruct提出了一种新的评估框架，结合结构忠实性和传统评估维度，引入全局效用度量，提供对13个表格生成器的全面评估。
Comments Accepted by the Fourteenth International Conference on Learning Representations (ICLR 2026 Oral)
Overtone: Cyclic Patch Modulation for Clean, Efficient, and Flexible Physics Emulators
泛音：用于清洁、高效和灵活物理模拟器的循环补丁调制
机构 * University of Cambridge（剑桥大学） ； Flatiron Institute（Flatiron研究所） ； Polymathic AI（多维人工智能）
AI总结 Overtone通过动态补丁大小控制，在保持精度的同时提升计算效率，适用于复杂物理模拟场景。
Comments 48 pages, 24 Figures. For code, see https://github.com/payelmuk150/patch-modulator
Journal ref Published as a conference paper at ICLR 2026
Traceable Evidence Enhanced Visual Grounded Reasoning: Evaluation and Methodology
可追溯证据增强的视觉 grounded 推理：评估与方法论
机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所模式识别新实验室，多模态人工智能系统国家重点实验室，中国科学院）
AI总结 TreeVGR 通过强化学习提升视觉 grounded 推理，实现更准确的定位与可解释的推理路径，验证了可追溯性对提升视觉推理能力的关键作用。
Comments ICLR 2026 Camera Ready Version
Why Reinforcement Fine-Tuning Enables MLLMs Preserve Prior Knowledge Better: A Data Perspective
为何强化微调能更好地使大语言模型保留先验知识：从数据角度出发
机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心）
AI总结 本文通过数据视角揭示强化微调（RFT）相较于监督微调（SFT）在保留大语言模型先验知识方面的优势，发现RFT通过强化正确样本与基模型对齐，有效减少对先验知识的干扰。
Comments Accepted by ICLR 2026
InterActHuman: Multi-Concept Human Animation with Layout-Aligned Audio Conditions
InterActHuman: 多概念人类动画与布局对齐的音频条件
机构 * The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动）
AI总结 InterActHuman通过引入布局对齐的音频条件，实现多概念人类动画，支持多身份的精确控制与高质量视频生成。
Comments ICLR 2026 Camera Ready Version. TL;DR: The first multi-person dialogue video generation method from pairs of reference image and audio via explicit layout-aligned condition injection. Project page https://zhenzhiwang.github.io/interacthuman/
EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements
EDINET-Bench：利用日本财务报表评估大语言模型在复杂财务任务中的表现
机构 * Sakana AI ； Kyoto University（京都大学）
AI总结 EDINET-Bench通过日本财务报表评估大语言模型在复杂财务任务中的表现，揭示其在会计欺诈检测、盈利预测等任务中仍面临挑战，需更真实的模拟和推理支持。
Comments Accepted to ICLR 2026
Continuous Chain of Thought Enables Parallel Exploration and Reasoning
连续思维链实现并行探索与推理
机构 * University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Google Research NYC（谷歌纽约研究）
AI总结 本文提出CoT2连续思维链方法，通过并行探索与推理提升模型性能，解决组合子集和问题并优化推理效率。
Comments ICLR 2026
VTool-R1: VLMs Learn to Think with Images via Reinforcement Learning on Multimodal Tool Use
VTool-R1: 通过在多模态工具使用上的强化学习使VLMs学会通过图像思考
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； Independent Researcher（独立研究者）
AI总结 VTool-R1通过强化学习训练视觉语言模型生成多模态思考链，提升其通过图像进行推理的能力。
Comments ICLR 2026
PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing
PhysLLM：利用大语言模型进行跨模态远程生理传感
机构 * Shenzhen University（深圳大学） ； Great Bay University（大鹏大学） ； National Engineering Laboratory for Big Data System Computing Technology（大数据系统计算技术国家工程实验室） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息技术重点实验室） ； Guangdong Medical University（广东医科大学） ； Southern Medical University (Dongguan People’s Hospital)（南方医科大学（东莞人民医院）） ； Macao Polytechnic University（澳门理工学院）
AI总结 PhysLLM通过结合大语言模型与领域特定的rPPG组件，利用跨模态学习提升远程生理传感的准确性和鲁棒性。
Comments Accepted by International Conference on Learning Representations (ICLR) 2026
Unpacking Human Preference for LLMs: Demographically Aware Evaluation with the HUMAINE Framework
解析人类对大语言模型的偏好：基于HUMAINE框架的民主意识评估
AI总结 HUMAINE框架通过多维、人口统计学意识的评估方法，揭示了人类对大语言模型的偏好差异，发现年龄是主要分歧轴，且不同评估维度的判别能力差异显著。
Comments Published as a conference paper at ICLR 2026. 21 pages, 11 figures. https://openreview.net/forum?id=kVaE2kYjtV
