ICLR

Compositional Neural Operators for Multi-Dimensional Fluid Dynamics

组合神经算子用于多维流体动力学

Hamda Hmida, Hsiu-Wen Chang, Youssef Mesri

机构 * Mines Paris - PSL University, Centre for Material Forming (CEMEF)（巴黎矿学院-PSL大学，材料成形中心（CEMEF）） ； Mines Paris - PSL University, Centre for Robotics (CAOR)（巴黎矿学院-PSL大学，机器人中心（CAOR）） 纠错

AI总结 本文提出组合神经算子框架，通过分解复杂PDE为基础模块，提升流体动力学问题的求解效率与可解释性。

Comments Published as a conference paper at ICLR 2026

Primal-Dual Policy Optimization for Linear CMDPs with Adversarial Losses

对具有对抗性损失的线性CMDP的对偶策略优化

Kihyun Yu, Seoungbin Bae, Dabeen Lee

机构 * Research Institute of Mathematics, Seoul National University（数学研究所，首尔国立大学） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能跨学科项目，首尔国立大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

AI总结 本文提出了一种新的对偶策略优化算法，用于在线有限时间线性CMDP，解决了对抗性环境下的子线性遗憾和约束违反问题，通过引入加权LogSumExp softmax策略和定期策略混合技术实现。

Comments Accepted to ICLR 2026

Generative Diffusion Prior Distillation for Long-Context Knowledge Transfer

生成扩散先验蒸馏用于长上下文知识迁移

Nilushika Udayangani, Kishor Nandakishor, Marimuthu Palaniswami

机构 * Department of Electrical and Electronic Engineering（电子与电气工程系） 纠错

AI总结 本文提出GDPD框架，通过扩散模型生成先验知识，帮助短上下文分类器学习长上下文知识，提升在部分数据上的泛化能力。

Comments Published as a conference paper at ICLR 2026 (Brazil, Rio de Janeiro)

Journal ref The Fourteenth International Conference on Learning Representations 2026

Stopping Computation for Converged Tokens in Masked Diffusion-LM Decoding

在掩码扩散语言模型解码中停止收敛令牌的计算

Daisuke Oba, Danushka Bollegala, Masahiro Kaneko, Naoaki Okazaki

机构 * Institute of Science Tokyo（东京科学研究所） ； University of Liverpool（利物浦大学） ； Amazon（亚马逊） ； MBZUAI 纠错

AI总结 本文提出SureLock方法，通过锁定稳定位置以减少计算开销，提升解码效率，实验证明在LLaDA-8B上节省30-50%的FLOPs同时保持生成质量。

Comments Accepted to ICLR 2026

Don't Pass@k: A Bayesian Framework for Large Language Model Evaluation

不要Pass@k：大规模语言模型评估的贝叶斯框架

Mohsen Hariri, Amirhossein Samandar, Michael Hinczewski, Vipin Chaudhary

机构 * Department of Computer and Data Sciences, Case Western Reserve University（计算机与数据科学系，凯斯西储大学） ； Department of Physics, Case Western Reserve University（物理系，凯斯西储大学） 纠错

AI总结 本文提出基于贝叶斯的评估框架，用后验估计替代Pass@k和avg@N，提升排名稳定性与透明度，适用于二元和非二元评估。

Comments OpenReview (ICLR 2026): https://openreview.net/forum?id=PTXi3Ef4sT

Journal ref The Fourteenth International Conference on Learning Representations (ICLR), 2026

Zero-shot Human Pose Estimation using Diffusion-based Inverse solvers

基于扩散模型的零样本人体姿态估计

Sahil Bhandary Karnoor, Romit Roy Choudhury

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出InPose方法，通过预训练扩散模型和旋转测量条件，解决人体姿态估计中用户体型差异导致的泛化问题。

Comments Published as a Conference Paper at The Fourteenth International Conference on Learning Representations

Intention-Conditioned Flow Occupancy Models

意图条件流占用模型

Chongyi Zheng, Seohong Park, Sergey Levine, Benjamin Eysenbach

机构 * Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出意图条件流占用模型（InFOM），通过引入用户意图的隐变量，提升模型对长期依赖的建模能力，在36个状态基和4个图像基基准任务中实现回报提升1.8倍和成功率提升36%。

Comments ICLR 2026

Practical estimation of the optimal classification error with soft labels and calibration

实用的软标签与校准下的最优分类误差估计

Ryota Ushio, Takashi Ishida, Masashi Sugiyama

机构 * The University of Tokyo（东京大学） ； RIKEN AIP（日本科学技术研究院AIP） 纠错

AI总结 本文提出一种实用且理论支持的方法，通过软标签和校准估计二分类的贝叶斯误差，解决了硬标签估计偏差问题，并在存在损坏软标签的情况下提供统计一致的估计。

Comments ICLR 2026 camera-ready version updated; 40 pages, 12 figures; GitHub: https://github.com/RyotaUshio/bayes-error-estimation