ICLR

Extending Fourier Neural Operators for Modeling Parameterized and Coupled PDEs

扩展傅里叶神经算子用于参数化和耦合偏微分方程建模

Cheng Jing, Uvini Balasuriya Mudiyanselage, Abhishek Verma, Kallol Bera, Shahid Rauf, Kookjin Lee

机构 * Arizona State University（亚利桑那州立大学） ； Applied Materials Inc.（应用材料公司） 纠错

AI总结 研究针对参数化和耦合偏微分方程建模问题，通过最少架构修改扩展傅里叶神经算子。对参数化动力学用超网络调制，对耦合系统探索架构选择，实验表明该方法比基线误差大幅降低，有效提升了偏微分方程建模效果。

Comments Accepted to ICLR 2026

When to Retrain after Drift: A Data-Only Test of Post-Drift Data Size Sufficiency

在漂移后何时重新训练：对后漂移数据大小充分性的数据-only测试

Ren Fujiwara, Yasuko Matsubara, Yasushi Sakurai

机构 * SANKEN, The University of Osaka, Japan（SANKEN大学大阪大学日本） 纠错

AI总结 本文提出CALIPER方法，通过数据-only测试估计后漂移数据大小以确保稳定重新训练，该方法利用动态系统生成的数据状态依赖性，通过单次加权局部回归和局部性参数θ跟踪一歩代理误差，当有效样本量门控满足时，误差随局部性参数增加而单调非递增，表明数据足够用于重新训练。

Comments Accepted by ICLR 2026

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

The Lattice Representation Hypothesis of Large Language Models

大语言模型的晶格表示假说

Bo Xiong

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出大语言模型的晶格表示假说，通过嵌入几何将概念层次和逻辑运算统一到线性表示中，实验表明LLM嵌入编码概念晶格及其逻辑结构。

Comments Published at ICLR 2026

Revenue Maximization Under Sequential Price Competition Via The Estimation Of s-Concave Demand Functions

通过估计s-凹需求函数实现序列价格竞争中的收益最大化

Daniele Bracale, Moulinath Banerjee, Cong Shi, Yuekai Sun

机构 * Department of Statistics University of Michigan Ann Arbor, MI, USA（统计系密歇根大学安娜堡分校） ； Department of Management University of Miami Miami, USA（管理系迈阿密大学） 纠错

AI总结 本文研究了多个卖方在T期内的序列价格竞争，提出利用半参数最小二乘估计的动态定价策略，证明价格收敛至纳什均衡的速度为O(T^{-1/7})，并建立新的集中性结果。

Journal ref International Conference on Learning Representations (ICLR 2026)

OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows

OS-Sentinel: 通过现实工作流中的混合验证实现安全增强的移动GUI代理

Qiushi Sun, Mukai Li, Zhoumianze Liu, Zhihui Xie, Fangzhi Xu, Zhangyue Yin, Kanzhi Cheng, Zehao Li, Zichen Ding, Qi Liu, Zhiyong Wu, Zhuosheng Zhang, Ben Kao, Lingpeng Kong

机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 OS-Sentinel通过结合形式验证器和VLM上下文判断者，提升移动GUI代理的安全性，实验显示在多个指标上优于现有方法。

Comments ACL 2026 (Oral) & Best Paper at AIWILD @ ICLR 2026

Neural Message-Passing on Attention Graphs for Hallucination Detection

基于注意力图的神经消息传递用于幻觉检测

Fabrizio Frasca, Guy Bar-Shalom, Yftah Ziser, Haggai Maron

AI总结 研究大语言模型幻觉检测问题，提出CHARM方法，将其视为图学习任务，通过在属性图上应用图神经网络解决，实验证明该方法优于其他方法，揭示图结构作用，展现跨数据集转移的零样本性能。

Comments ICLR 2026