期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
并非所有特征都具有同等价值：一种视觉-语言-动作模型的机制研究
机构 * Case Western Reserve University（凯斯西储大学）
AI总结 研究通过激活注入、稀疏自编码器和线性探针分析视觉-语言-动作模型，发现视觉路径主导动作生成，语言敏感性取决于任务结构而非模型设计，且专家路径编码运动程序，VLM路径编码目标语义，释放Action Atlas供探索。
Comments Accepted to Multimodal Intelligence Workshop @ ICLR
PromptHub: 通过局部感知融合、集中和对齐增强多提示视觉上下文学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； Meituan, Beijing（美团，北京）
AI总结 PromptHub通过局部感知融合、集中和对齐方法提升多提示视觉上下文学习性能，验证了其在多种视觉任务中的优越性及泛化能力。
Comments Accepted to ICLR 2026. 17 pages, 11 figures, and 9 tables
FlowCast：通过条件流匹配推进降水现在cast
机构 * University of Ljubljana（卢布尔雅那大学）
AI总结 本文提出FlowCast，一种基于条件流匹配的端到端概率模型，用于降水现在cast，解决了大气动力学不确定性与高维数据建模效率问题，实现了高效准确的预测。
Comments Accepted to ICLR 2026
StreamingThinker: 大语言模型在阅读时可以思考
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东部技术研究院） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Institute of Digital Twin（宁波空间智能与数字衍生关键实验室，数字孪生研究院） ； Hong Kong Polytechnic University（香港理工大学） ； Munich Center for Machine Learning, LMU（慕尼黑机器学习中心，莱茵-慕尼黑大学）
AI总结 本文提出StreamingThinker框架，使大语言模型在阅读过程中实现流式思考，通过流式CoT生成、流式约束训练和并行推理提升效率，减少延迟并保持性能。
Comments ICLR 2026
CoPRS：从链式思维中学习位置先验以进行推理分割
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan, Beijing（北京美团） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出CoPRS模型，通过多模态链式思维生成可解释的位置先验热图，提升推理分割的可解释性和精度，实验表明其在多个数据集上表现优异。
Comments Accepted to ICLR 2026. 20 pages, 8 figures, 4 tables
Milco：通过多语言连接器实现跨语言学习稀疏检索
机构 * University of Amsterdam（阿姆斯特丹大学） ； Johns Hopkins University, HLTCOE（约翰霍普金斯大学，语言学与认知科学系）
AI总结 Milco通过多语言连接器将不同语言的查询和文档映射到共享的英语词汇空间，采用两阶段训练策略提升表示透明性和有效性，实现跨语言稀疏检索的最优性能。
Comments ICLR 2026
Soft-Di[M]O: 通过软嵌入提升一步离散图像生成
机构 * LIX, École Polytechnique, CNRS, IPP（IX实验室，巴黎高等理工学院，法国国家科学研究中心，IPP） ； Inria at Univ. Grenoble Alpes, CNRS, LJK（里尔大学，法国国家科学研究中心，LJK）
AI总结 本文提出Soft-Di[M]O框架，通过引入软嵌入解决一步生成器中离散token阻断梯度的问题，实现端到端训练并支持GAN精炼、可微奖励微调和TTEO。
Comments ICLR 2026
多保真度模拟基于推断：用于计算昂贵模拟器的推断
机构 * Department of Computer Science, KU Leuven（KU莱文大学计算机科学系） ； VIB Center for AI and Computational Biology (VIB.AI)（VIB人工智能与计算生物学中心） ； VIB-KU Leuven Center for Neuroscience（VIB-KU莱文神经科学中心） ； Gatsby Computational Neuroscience Unit, UCL（Gatsby计算神经科学单元，UCL） ； Machine Learning in Science, University of Tübingen（科学机器学习，图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Max Planck Institute for Biological Intelligence, Martinsried（生物智能马克斯·普朗克研究所，马尔茨里德） ； Department of Electrical Engineering, KU Leuven（KU莱文电子工程系）
AI总结 本文提出了一种多保真度方法，利用迁移学习高效推断高保真度模拟器参数，通过序列变体提升模拟效率，在基准和神经科学任务中减少高保真度模拟次数达两个数量级。
Comments Accepted at ICLR 2026. Available at OpenReview: https://openreview.net/pdf?id=bj0dcKp9t6
OFTSR: 一种用于图像超分辨率的一步流方法，具有可调保真度-现实感权衡
机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出OFTSR，一种基于流的图像超分辨率框架，通过可调保真度与现实感权衡实现一步生成。通过训练条件流模型并应用特殊约束，使学生模型预测与教师模型采样轨迹对齐，从而提升性能。
Comments ICLR 2026
重新审视随机梯度方法的最后迭代收敛性
机构 * Stern School of Business, New York University（纽约大学斯特恩商学院）
AI总结 本文研究随机梯度方法的最后迭代收敛性，提出统一证明方法，适用于一般领域、复合目标、非欧几里得范数、Lipschitz条件、光滑性和强凸性，并扩展到重尾和亚Weibull噪声。
Comments The preliminary version has been accepted at ICLR 2024. For the update history, please refer to the PDF
CAPSUL：一个全面的人类蛋白质基准用于亚细胞定位
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 CAPSUL基准通过整合多样化3D结构表示和精细亚细胞定位注释，推动结构基模型在亚细胞定位任务中的应用，展示了结构特征的重要性，并通过高尔基体案例研究揭示了α-螺旋在定位中的关键作用。
Comments Accepted to ICLR 2026
先剪枝后量化还是先量化后剪枝？理解联合模型压缩中压缩顺序的影响
机构 * Seoul National University（首尔国立大学）
AI总结 本文研究了联合模型压缩中压缩顺序对性能的影响，提出渐进强度假说并提供理论和实验验证，证明顺序优化能提升模型效率。
Comments ICLR 2026
SynQ：通过合成感知微调实现准确的零样本量化
机构 * Seoul National University（首尔国立大学）
AI总结 SynQ通过合成感知微调解决零样本量化中合成数据噪声、目标模式预测和错误标签误导问题，提升模型精度。
Comments ICLR 2025
在对数空间中进行锐度感知最小化以高效提升直接偏好优化
机构 * Monash University（墨尔本大学） ； Swinburne University of Technology（斯威本科技大学）
AI总结 本文提出logits-SAM方法，通过在对数空间中建模坐标动态，缓解直接偏好优化中的挤压效应，提升模型性能。
Comments Accepted at ICLR 2026
断裂的RoPE与长输入：一种几何视角
机构 * IBM Research（IBM研究院） ； University at Albany, SUNY（纽约州立大学阿尔巴尼分校）
AI总结 本文从几何角度分析RoPE在长输入下的问题，发现注意力机制导致键和查询向量紧密聚类，而RoPE在长输入时破坏这种聚类，产生病态行为。提出RoPE-ID方法通过高频率应用部分通道解决此问题。
Comments Accepted by ICLR 2026
二次直接预报用于训练多步时间序列预测模型
机构 * Xiaohongshu Inc.（小红书公司） ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室，北京大学智能科学与技术学院） ； College of Engineering, Purdue University（普渡大学工程学院） ； School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算机与人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Squirrel AI ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Pazhou Laboratory (Huangpu), Guangzhou, Guangdong, China（琶洲实验室（黄埔），广州，广东，中国）
AI总结 本文提出二次加权训练目标，解决多步时间序列预测中标签自相关和任务权重不均的问题，通过Quadratic Direct Forecast算法提升模型性能。
Journal ref ICLR 2026
一种改进的无模型决策-估计系数及其在对抗性MDPs中的应用
机构 * University of Virginia（弗吉尼亚大学） ； Google Research（谷歌研究）
AI总结 本文提出Dig-DEC，一种无模型的决策-估计系数，通过信息增益驱动探索，解决了对抗性MDP中的再生问题，并改进了函数估计过程的性能。
Comments ICLR 2026
GenCompositor：基于扩散变换器的生成视频合成
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东省超高清沉浸媒体技术重点实验室） ； GVC Lab, Great Bay University（Great Bay大学GVC实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出GenCompositor，通过扩散变换器实现自动化视频合成，解决传统方法劳动强度大、成本高的问题，提出轻量背景保存分支、动态元素融合块和ERoPE位置嵌入等创新方法，构建VideoComp数据集并验证方法有效性。
Comments Accepted by ICLR 2026
MMSearch-Plus：面向多模态浏览代理的溯源感知基准测试
机构 * The University of Hong Kong (HKU)（香港大学） ； Huawei Inc（华为公司）
AI总结 MMSearch-Plus是一个包含311个任务的基准测试，通过迭代图像-文本检索和交叉验证在噪声下强制多模态理解，提供模型无关的代理框架和集中标记模块，提升多步推理的鲁棒性。
Comments Project Page: https://mmsearch-plus.github.io
Journal ref 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