ICLR

Sample-efficient evidence estimation of score based priors for model selection

基于扩散先验的模型选择中高效证据估计

Frederic Wang, Katherine L. Bouman

机构 * Department of Computing and Mathematical Sciences（计算与数学科学系） 纠错

AI总结 本文提出DiME方法，通过整合后验采样方法的时间边际，利用逆扩散采样过程中的大量中间样本，高效估计扩散先验的模型证据，用于模型选择和先验误拟诊断。

Comments ICLR 2026

Understanding and Improving Length Generalization in Hierarchical Sparse Attention Models

理解并改进层次稀疏注意力模型中的长度泛化

Jiaqi Leng, Xiang Hu, Junxiong Wang, Jianguo Li, Wei Wu, Yucheng Lu

机构 * Fudan University（复旦大学） ； Tencent AI Lab（腾讯AI实验室） ； Cornell University（康奈尔大学） ； Ant Group（蚂蚁集团） ； Ant International（蚂蚁国际） ； NYU Shanghai（纽约大学上海分校） 纠错

AI总结 本文通过系统分析揭示了层次稀疏注意力模型中长度泛化的核心设计原则，提出三种关键组件：非线性Chunk编码器、旁路残差路径和预训练中的稀疏选择，从而在RULER和BABILong数据集上实现了免训练的长度外推。

Comments ICLR 2026 camera-ready version

Benchmarking Large Vision-Language Models on Fine-Grained Image Tasks: A Comprehensive Evaluation

在细粒度图像任务上评估大型视觉-语言模型：全面评估

Hong-Tao Yu, Yuxin Peng, Serge Belongie, Xiu-Shen Wei

机构 * School of Computer Science and Engineering, School of Intelligence Science and Engineering and Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Southeast University, China（东南大学计算机科学与工程学院、智能科学与工程学院及新一代人工智能技术及其跨学科应用关键实验室，中国） ； Wangxuan Institute of Computer Technology, Peking University, China（北京大学王轩计算机技术研究所，中国） ； University of Copenhagen, Denmark（丹麦哥本哈根大学） 纠错

AI总结 本文提出FG-BMK基准，通过101万问题和33万张图像评估LVLMs的语义识别与细粒度特征表示能力，揭示训练范式、模态对齐等对性能的影响，为未来模型设计提供指导。

Comments Accepted to ICLR 2026

GAVEL: Towards Rule-Based Safety Through Activation Monitoring

GAVEL：通过激活监控实现基于规则的安全性

Shir Rozenfeld, Rahul Pankajakshan, Itay Zloczower, Eyal Lenga, Gilad Gressel, Yisroel Mirsky

机构 * Ben Gurion University of the Negev（本·古里安大学） ； Amrita Vishwa Vidyapeetham（阿米塔大学） 纠错

AI总结 本文提出基于规则的激活安全性方法，通过细粒度可解释的激活元素捕捉领域特定行为，提升精度并支持定制化，为可扩展的AI治理奠定基础。

Comments Accepted to ICLR 2026

DeepWeightFlow: Re-Basined Flow Matching for Generating Neural Network Weights

DeepWeightFlow：基于重新基化流匹配的神经网络权重生成

Saumya Gupta, Scott Biggs, Moritz Laber, Zohair Shafi, Robin Walters, Ayan Paul

机构 * Northeastern University（东北大学） 纠错

AI总结 本文提出DeepWeightFlow，通过在权重空间中直接生成多种架构和规模的神经网络权重，提升生成效率和准确性，无需微调且能处理大规模模型。

Comments 25 pages, 20 tables, 2 figures

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026): https://openreview.net/forum?id=fOwsr1VTi8

Training-Free Reward-Guided Image Editing via Trajectory Optimal Control

无需训练的奖励引导图像编辑 via 轨迹最优控制

Jinho Chang, Jaemin Kim, Jong Chul Ye

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 本文提出无需训练的奖励引导图像编辑框架，将编辑过程建模为轨迹最优控制问题，通过迭代更新伴随状态以引导编辑过程，在保持源图像语义的同时提升目标奖励。

Comments Poster in ICLR 2026; 22 pages, 9 figures. The code is available at https://github.com/jinhojsk515/ITOC