ICLR

Beyond Independent Frames: Latent Attention Masked Autoencoders for Multi-View Echocardiography

超越独立帧：用于多视图超声的潜在注意力掩码自编码器

Simon Böhi, Irene Cannistraci, Sergio Muñoz Gonzalez, Moritz Vandenhirtz, Sonia Laguna, Samuel Ruiperez-Campillo, Max Krähenmann, Andrea Agostini, Ece Ozkan, Thomas M. Sutter, Julia E. Vogt

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） 纠错

AI总结 本文提出LAMAE模型，通过潜在空间注意力模块处理多视图超声数据，实现对心脏功能的全面表征，并在MIMIC-IV-ECHO数据集上展示了其在ICD-10编码预测和跨年龄群体迁移中的有效性。

Comments Accepted as a workshop paper at the ICLR 2026 Workshop on Foundation Models for Science

Sublinear Spectral Clustering Oracle with Little Memory

亚线性谱聚类Oracle的内存优化

Ranran Shen, Xiaoyi Zhu, Pan Peng, Zengfeng Huang

AI总结 本文提出亚线性谱聚类Oracle，通过减少内存使用实现子线性时间响应，分析了内存与查询时间的权衡，并通过实验验证了其有效性。

Comments ICLR 2026

Discovering Novel LLM Experts via Task-Capability Coevolution

通过任务能力共进化发现新型大语言模型专家

Andrew Dai, Boris Meinardus, Ciaran Regan, Yingtao Tian, Yujin Tang

机构 * Sakana AI 纠错

AI总结 本文提出AC/DC框架，通过模型合并和合成数据生成实现大语言模型与任务的共进化，发现超越大模型能力的新型LLM，无需显式优化基准，在多智能体最佳N选择中提升性能。

Comments ICLR 2026

Text2Arch: A Dataset for Generating Scientific Architecture Diagrams from Natural Language Descriptions

Text2Arch：一个用于从自然语言描述生成科学架构图的数据库

Shivank Garg, Sankalp Mittal, Manish Gupta

机构 * IIT Roorkee, India（印度拉尔·克里希纳理工学院） ； Google, India（印度谷歌） ； Microsoft, India（印度微软） 纠错

AI总结 本文提出Text2Arch数据库，通过语言模型生成高保真的架构图，解决了文本生成架构图的效率和歧义问题，并展示了其在多个应用中的优势。

Comments ICLR 2026 Poster

Intermediate Layers Encode Optimal Biological Representations in Single-Cell Foundation Models

中间层编码最优的生物表示在单细胞基础模型中

Vincenzo Yuto Civale, Roberto Semeraro, Andrew David Bagdanov, Alberto Magi

机构 * University of Siena（锡耶纳大学） ； University of Firenze（佛罗伦萨大学） 纠错

AI总结 研究发现单细胞基础模型中中间层编码最优生物表示，任务和细胞状态依赖性显著，需系统评估各层以优化生物任务性能。

Comments 9 pages, 2 figures, 4 tables. Accepted at the LMRL (Learning Meaningful Representations of Life) Workshop at ICLR 2026

Quantifying Cross-Query Contradictions in Multi-Query LLM Reasoning

量化多查询LLM推理中的跨查询矛盾

Rohit Kumar Salla, Ramya Manasa Amancherla, Manoj Saravanan

机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文研究多查询推理中的逻辑一致性，提出包含390个实例的基准测试，引入集级指标，通过提取承诺、验证全局可满足性及反例引导修复，减少跨查询矛盾并保持单查询准确性。

Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models. 9 pages, 6 tables, code and data at https://huggingface.co/datasets/rohitspider/cross_query_benchmark

Reinforcement Learning via Value Gradient Flow

通过价值梯度流进行强化学习

Haoran Xu, Kaiwen Hu, Somayeh Sojoudi, Amy Zhang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出价值梯度流（VGF）方法，通过最优传输问题解决行为正则化的强化学习问题，实现大规模生成模型的可扩展性，并在离线强化学习和大语言模型强化学习任务中取得最佳性能。

Comments ICLR 2026

CROP: Token-Efficient Reasoning in Large Language Models via Regularized Prompt Optimization

CROP：通过正则化提示优化实现大语言模型的token高效推理

Deep Shah, Sanket Badhe, Nehal Kathrotia, Priyanka Tiwari

机构 * Google LLC（谷歌公司） ； Purdue University（普渡大学） 纠错

AI总结 CROP通过正则化提示优化，在保持准确性的同时显著降低token消耗，适用于复杂推理任务。

Comments Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models

MetaMuse: Algorithm Generation via Creative Ideation

MetaMuse：通过创造性构思生成算法

Ruiying Ma, Chieh-Jan Mike Liang, Yanjie Gao, Francis Y. Yan

机构 * University of California, Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文研究LLM在算法生成中的应用，提出MetaMuse框架，通过三个自反思原则提升创造性构思，实验显示其在缓存替换和在线装箱问题中性能提升显著。

Comments ICLR 2026

Deep Learning for Subspace Regression

子空间回归的深度学习

Vladimir Fanaskov, Vladislav Trifonov, Alexander Rudikov, Ekaterina Muravleva, Ivan Oseledets

机构 * AIC（人工智能中心） ； AI4Science（AI4科学） ； AXXX（未知） ； INM（信息科学研究所） 纠错

AI总结 本文提出利用深度学习进行子空间回归，通过将插值问题转化为回归问题，提高了高维参数空间下的建模效率与准确性，适用于参数化特征问题和偏微分方程求解。

Comments Accepted to ICLR 2026, reviewed at https://openreview.net/forum?id=HF60Lu1Maj

Diagnosing and Improving Diffusion Models by Estimating the Optimal Loss Value

通过估计最优损失值来诊断和改进扩散模型

Yixian Xu, Shengjie Luo, Liwei Wang, Di He, Chang Liu

机构 * State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文通过估计扩散模型的最优损失值，提出了一种诊断和改进扩散模型的方法，开发了有效的估计器，并发现减去最优损失后，功率律更明显。

Comments 33 pages, 12 figures, 9 tables. ICLR 2026 Camera Ready version

Latent Wavelet Diffusion For Ultra-High-Resolution Image Synthesis

潜在小波扩散用于超高清图像合成

Luigi Sigillo, Shengfeng He, Danilo Comminiello

机构 * Sapienza University of Rome（罗马大学） ； Singapore Management University（新加坡管理大学） ； EMBL（欧洲分子生物学实验室） 纠错

AI总结 本文提出Latent Wavelet Diffusion，通过频率感知的掩码策略和一致性VAE目标提升超高清图像生成的细节和纹理保真度，且无需额外计算开销。

Comments Accepted at ICLR 2026

Decentralized Nonconvex Optimization under Heavy-Tailed Noise: Normalization and Optimal Convergence

去中心化非凸优化中的重尾噪声：归一化与最优收敛

Shuhua Yu, Dusan Jakovetic, Soummya Kar

AI总结 本文研究了在去中心化设置下，非凸随机优化中的重尾噪声问题，提出GT-NSGDm算法，通过归一化、梯度跟踪和动量技术，实现最优非渐近收敛率。

Comments Accepted to ICLR 2026