ICLR

FARI: Robust One-Step Inversion for Watermarking in Diffusion Models

FARI：用于扩散模型水印的鲁棒单步反演

Jindong Yang, Han Fang, Weiming Zhang, Nenghai Yu, Kejiang Chen

AI总结 本研究提出FARI框架，通过单步反演结合轻量级对抗LoRA微调，在提升扩散模型水印验证鲁棒性的同时大幅缩短推理时间，效率与性能均优于50步DDIM反演。

Comments Accepted by ICLR 2026

Flow Map Learning via Nongradient Vector Flow

基于非梯度向量流的流图学习

Mark Goldstein, Anshuk Uppal, Raghav Singhal, Aahlad Puli, Rajesh Ranganath

机构 * Flatiron Institute（弗拉蒂隆研究所） ； Technical University of Denmark（丹麦技术大学） ； Courant Institute, New York University（纽约大学柯朗研究所） 纠错

AI总结 本文提出SGFlow方法，绕过流图学习的可逆性与迭代微分难题，在CIFAR基准上10采样步时FID最优，其他步数具竞争力且有驻点保证。

Comments ICLR 2026

Even More Deception: Objective Misalignment in Mixed-Motive LLM Multi-Agent Systems

更严重的欺骗：混合动机大型语言模型多智能体系统中的目标不一致

Marylou Fauchard, Florian Carichon, Margarida Carvalho, Golnoosh Farnadi

AI总结 该研究以《狼人杀》为框架，分析LLM多智能体的目标不一致问题，发现其会破坏对抗环境结果且在公开行为中难察觉，凸显需缓解策略。

Comments Accepted at AIWILD@ICLR 2026

The Geometry of LLM Quantization: GPTQ as Babai's Nearest Plane Algorithm

LLM量化几何学：GPTQ作为Babai最近平面算法

Jiale Chen, Yalda Shabanzadeh, Elvir Crnčević, Torsten Hoefler, Dan Alistarh

机构 * Institute of Science and Technology Austria (ISTA)（奥地利科学技术院） ； Red Hat, Inc.（红帽公司） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文将GPTQ与Babai最近平面算法等价，揭示其几何意义和误差上界，设计出无裁剪的量化方法并提供高效GPU内核，为大规模模型量化理论奠定基础。

Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026): https://openreview.net/forum?id=NFB4QGGS65

Journal ref International Conference on Learning Representations, 2026, pp. 122653-122695

MathNet: a Global Multimodal Benchmark for Mathematical Reasoning and Retrieval

MathNet：数学推理与检索的全球多模态基准

Shaden Alshammari, Kevin Wen, Abrar Zainal, Mark Hamilton, Navid Safaei, Sultan Albarakati, William T. Freeman, Antonio Torralba

机构 * MIT（麻省理工学院） ； KAUST（卡塔尔人工智能研究 institute） ； HUMAIN ； Individual Researcher（独立研究者） 纠错

AI总结 MathNet是一个大规模多模态数学问题基准，包含47个国家、17种语言、20年竞赛的30676道专家级数学问题，支持问题解决、数学检索和检索增强生成三个任务，实验表明先进模型在推理和检索任务上仍面临挑战。

Comments ICLR 2026; Website: http://mathnet.mit.edu

Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2026

Navigating the Latent Space Dynamics of Neural Models

神经模型潜在空间动力学导航

Marco Fumero, Luca Moschella, Emanuele Rodolà, Francesco Locatello

机构 * IST Austria（IST奥地利研究院） ； Sapienza（拉瓦尔大学） ； Paradigma 纠错

AI总结 本文提出将神经模型视为作用于潜在流形上的动态系统，通过潜在向量场分析模型性质与数据特性，实现模型泛化、记忆和异常检测。

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

MemAgent: Reshaping Long-Context LLM with Multi-Conv RL-based Memory Agent

MemAgent：基于多轮对话强化学习的记忆智能体重构长上下文大语言模型

Hongli Yu, Tinghong Chen, Jiangtao Feng, Jiangjie Chen, Weinan Dai, Qiying Yu, Ya-Qin Zhang, Wei-Ying Ma, Jingjing Liu, Mingxuan Wang, Hao Zhou

机构 * ByteDance Seed（字节跳动种子期） ； Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学） 纠错

AI总结 该研究提出MemAgent智能体工作流，结合扩展的DAPO算法优化长文本任务，实现从8K到3.5M上下文的高效外推，在RULER测试中表现优异。

Comments Accepted to ICLR 2026 as an Oral presentation. OpenReview: https://openreview.net/forum?id=k5nIOvYGCL Project page: https://memagent-sialab.github.io/

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

Adaptive Multilevel Neural Networks for Parametric PDEs with Error Estimation

Janina E. Schütte, Martin Eigel

Journal ref ICLR 2024 Workshop on AI4DifferentialEquations In Science