Representation Learning for Spatiotemporal Physical Systems
时空物理系统的表示学习
AI总结 本文研究了时空物理系统中下游科学任务的表示学习，发现潜在空间学习方法在物理参数估计任务中表现更优。
Comments Published at ICLR 2026 Workshop on AI & PDE
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Learnability and Privacy Vulnerability are Entangled in a Few Critical Weights
可学习性与隐私漏洞在少数关键权重中相互交织
AI总结 本文发现隐私漏洞主要存在于少量关键权重中，这些权重对效用性能至关重要，通过重置这些权重而非丢弃神经元，提升了对抗 Membership Inference Attacks 的鲁棒性同时保持效用。
Comments ICLR 2026
Evaluating VLMs' Spatial Reasoning Over Robot Motion: A Step Towards Robot Planning with Motion Preferences
评估VLMs在机器人运动中的空间推理能力：迈向具有运动偏好的机器人规划的一步
机构 * King’s College London（伦敦国王学院） ； University College London（伦敦大学学院）
AI总结 本文评估了四种先进VLMs在机器人运动中的空间推理能力，探讨了运动偏好（如物体接近性和路径风格）的处理，并分析了准确率与计算成本的权衡。
Comments Accepted to the First Workshop on Efficient Spatial Reasoning at ICLR 2026
Tiny Recursive Reasoning with Mamba-2 Attention Hybrid
微小递归推理与Mamba-2注意力混合
机构 * Intercom Dublin, Ireland（Intercom都柏林，爱尔兰）
AI总结 本文探讨将Mamba-2混合操作符替换TRM中的Transformer块，验证其在递归框架下保持推理能力，提升抽象推理任务表现。
Comments Published at ICLR 2026 Latent & Implicit Thinking Workshop
LLM Unlearning with LLM Beliefs
基于LLM信念的去学习
机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； TMLR Group, Department of Computer Science, Hong Kong Baptist University（TMLR集团，香港 Baptist大学计算机科学系） ； Imperfect Information Learning Team, RIKEN Center for Advanced Intelligence Project（不完美信息学习团队，RIKEN高级智能项目中心） ； PRADA Lab, King Abdullah University of Science and Technology（PRADA实验室，国王阿卜杜勒阿齐兹大学科学与技术学院） ； National Institute of Informatics（国家信息研究所）
AI总结 本文提出BS框架，通过结合模型自身高置信度生成（即模型信念）来对抗去学习中的挤压效应，从而更彻底地实现遗忘并保持实用性。
Comments ICLR 2026
The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs
持续扩展的幻觉回报：衡量LLM的长周期执行
机构 * University of Cambridge（剑桥大学） ； Institute for AI, University of Stuttgart（斯图加特大学人工智能研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Southampton（南安普顿大学） ； Tübingen AI Center（图宾根人工智能中心）
AI总结 本文通过分析LLM在长周期任务中的执行能力，揭示了持续扩展LLM并非必然导致回报递减，而是执行能力的提升能显著改善长周期任务表现。
Comments Published at ICLR 2026
Evolution and compression in LLMs: On the emergence of human-aligned categorization
语言模型中的进化与压缩：关于人类对齐分类的出现
机构 * New York University（纽约大学）
AI总结 研究探讨LLM是否能进化出高效的人类对齐语义系统，通过颜色分类实验发现，大模型在复杂性和英语对齐性上表现各异，仅最强模型能复现人类近最优的信息瓶颈贸易-offs。
Comments Published as a conference paper at ICLR 2026 (The Fourteenth International Conference on Learning Representations). OpenReview: https://openreview.net/forum?id=s7gSTR2AqA¬eId=s7gSTR2AqA
Superficial Safety Alignment Hypothesis
表面安全对齐假说
AI总结 本文提出表面安全对齐假说，认为安全对齐通过让模型选择正确推理方向来实现，识别出四种关键组件以建立安全防护。
Comments ICLR 2026
ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning
ToolTree: 通过双反馈蒙特卡洛树搜索与双向剪枝实现高效的LLM代理工具规划
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院） ； School of Physics, Mathematics and Computing, The University of Western Australia（西澳大学物理、数学与计算学院）
AI总结 本文提出ToolTree，一种基于蒙特卡洛树搜索的工具规划方法，通过双阶段LLM评估和双向剪枝机制，提升工具使用序列的适应性和效率，实验表明其在多种基准测试中性能提升约10%。
Comments ICLR 2026
Feynman: Knowledge-Infused Diagramming Agent for Scalable Visual Designs
Feynman: 一种融合知识的图表生成代理，用于可扩展的视觉设计
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Feynman代理，通过知识组件枚举和代码规划生成高质量图表-描述对，构建了可扩展的图表生成流水线，并创建了视觉语言基准Diagramma。
Comments A previous version was submitted to ICLR 2025
Swap-guided Preference Learning for Personalized Reinforcement Learning from Human Feedback
基于交换引导的偏好学习用于从人类反馈中获得个性化强化学习
机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出Swap-guided Preference Learning (SPL)来解决变分偏好学习中后验崩溃的问题，通过引入交换引导基础正则化、偏好逆自回归流和自适应潜在条件化来提升个性化强化学习效果。
Comments ICLR 2026
Maximizing Incremental Information Entropy for Contrastive Learning
为对比学习最大化增量信息熵
AI总结 本文提出IE-CL框架，通过优化增强视图间的熵增来提升对比学习性能，在CIFAR-10/100、STL-10和ImageNet数据集上验证了其有效性，并能无缝集成到现有框架中。
Comments ICLR 2026 (The Fourteenth International Conference on Learning Representations) https://openreview.net/forum?id=XL7ValpExh
Modal Logical Neural Networks for Financial AI
模态逻辑神经网络用于金融AI
机构 * Lawrence Berkeley National Lab（伯克利国家实验室）
AI总结 本文提出模态逻辑神经网络，结合模态语义与神经网络，解决金融AI中深度学习与符号逻辑的矛盾，通过监管护栏、市场压力测试等应用提升合规性与鲁棒性。
Comments 4 pages, 1 figure, Accepted at ICLR 2026 FinAI
Thermodynamics of Reinforcement Learning Curricula
强化学习课程的热力学
AI总结 本文基于非平衡热力学提出强化学习课程的几何框架，通过最小化超额热力学功确定最优课程，提出MEW算法用于最大熵强化学习的温度退火调度。
Comments Accepted at SciForDL Workshop at ICLR 2026
Cross-Family Speculative Prefill: Training-Free Long-Context Compression with Small Draft Models
跨家族推测预填：无训练长上下文压缩与小型草稿模型
AI总结 本文研究跨家族推测预填技术，利用不同模型家族的轻量草稿模型实现无训练提示压缩，保留90-100%的完整提示性能并显著降低TTFT，表明推测预填依赖任务先验和语义结构。
Journal ref ICLR 2026 (WS)
Do LLMs Share Human-Like Biases? Causal Reasoning Under Prior Knowledge, Irrelevant Context, and Varying Compute Budgets
大型语言模型是否具有人类般的偏见？在先验知识、无关上下文和不同计算预算下的因果推理
AI总结 本文通过对比20余种LLM与人类基准，在11个由碰撞结构形式化的因果判断任务中发现，小型可解释模型能有效压缩LLM的因果判断，多数LLM表现出比人类更规则化的推理策略，但未表现出人类典型的碰撞偏见。
Journal ref ICLR 2026 Workshop "From Human Cognition to AI Reasoning (HCAIR)"
When to Ensemble: Identifying Token-Level Points for Stable and Fast LLM Ensembling
何时进行集成：识别令牌级点以实现稳定且快速的LLM集成
机构 * KAIST（韩国科学技术院） ； Korea University（韩国大学） ； AITRICS
AI总结 本文提出SAFE框架，通过考虑令牌化不匹配和下一个令牌概率分布的一致性，改进长形式生成中的模型集成，提升准确性和效率。
Comments ICLR 2026
Scaling Generalist Data-Analytic Agents
放大通用数据分析代理
AI总结 本文提出DataMind，通过细粒度任务分类和递归易难任务组合机制，解决开源数据分析代理的数据不足、训练策略不当和代码多轮滚动不稳定问题，构建出性能优异的DataMind-14B和DataMind-7B代理。
Comments ICLR 2026
DRIFT-Net: A Spectral--Coupled Neural Operator for PDEs Learning
DRIFT-Net: 一种用于PDE学习的频谱耦合神经算子
机构 * University of New South Wales（新南威尔士大学）
AI总结 DRIFT-Net通过双分支设计融合频谱和图像信息，提升PDE动态学习的精度与效率，减少误差积累和漂移。
Comments Accepted at ICLR 2026
SPELL: Self-Play Reinforcement Learning for Evolving Long-Context Language Models
SPELL: 自我扮演强化学习用于进化长上下文语言模型
机构 * Sun Yat-sen University（中山大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出SPELL框架，通过自我扮演问答和验证角色实现长上下文推理的无监督优化，实验显示其在多个基准上优于传统微调方法。
Comments Accepted to ICLR 2026
Robust Fine-Tuning from Non-Robust Pretrained Models: Mitigating Suboptimal Transfer With Epsilon-Scheduling
从非鲁棒预训练模型中实现鲁棒微调：通过epsilon调度缓解次优迁移
机构 * Université Laval (IID)（拉瓦尔大学） ； Mila ； CortAIx Labs, Thales Digital Solutions（CortAIx实验室，泰雷兹数字解决方案） ； Université Côte d’Azur, CNRS, INRIA, I3S, Maasai（蔚蓝海岸大学，国家科学研究中心，国家信息与自动化技术研究院，I3S，Maasai） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文研究了从非鲁棒预训练模型中实现鲁棒微调的挑战，提出epsilon调度方法以避免次优迁移，提升模型鲁棒性与适应性。
Comments 10 pages, 7 figures, 4 tables
Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)
Intrinsic training dynamics of deep neural networks
深度神经网络内在训练动态
机构 * ENS - PSL Univ.（巴黎-萨克雷大学） ； CNRS, ENS - PSL Univ.（国家科学研究中心、巴黎-萨克雷大学） ； Inria, CNRS, ENS de Lyon, Université Claude Bernard Lyon 1, LIP, UMR 5668（法国国家信息与自动化技术研究所、国家科学研究中心、里昂大学、 Claude Bernard 大学、LIP 实验室、UMR 5668）
AI总结 本文研究深度学习中梯度流如何促进参数属于低维结构的内在动态，提出基于核的必要条件，并应用于ReLU网络和线性神经ODE，展示松弛平衡初始化下的内在动态特性。
Comments Accepted at ICLR 2026
Improving Black-Box Generative Attacks via Generator Semantic Consistency
通过生成器语义一致性提升黑盒生成攻击
AI总结 本文提出通过强制生成器早期中间特征与EMA教师对齐，提升黑盒攻击的转移性能，引入ACR指标评估语义稳定性，改进生成攻击的效率与效果。
Comments Accepted for publication at ICLR 2026
Token Distillation: Attention-aware Input Embeddings For New Tokens
令牌蒸馏：面向新令牌的注意力感知输入嵌入
机构 * Hasso Plattner Institute ELLIS Unit（波茨坦大学哈索普兰特纳研究所ELLIS单位） ； University of Copenhagen ELLIS Unit（哥本哈根大学ELLIS单位）
AI总结 本文提出令牌蒸馏方法，通过蒸馏原始分词获得的表示快速学习高质量新令牌嵌入，实验表明其优于现有基线。
Comments ICLR 2026 camera-ready
Understanding Dataset Distillation via Spectral Filtering
通过频谱过滤理解数据集蒸馏
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出UniDD框架，通过频谱过滤统一不同数据集蒸馏目标，提出Curriculum Frequency Matching方法提升性能，验证了UniDD的实用性。
Comments Accepted by ICLR 2026. Code is available at https://github.com/bdy9527/UniDD
