期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
LiveResearchBench: 一个用于真实世界中以用户为中心的深度研究的实时基准
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Stanford University（斯坦福大学） ； Salesforce AI Research（Salesforce AI研究院）
AI总结 本文提出LiveResearchBench，一个包含100个专家精选任务的实时基准，涵盖日常生活、企业与学术领域，要求进行广泛、动态的实时网络搜索与综合。通过DeepEval评估17个前沿深度研究系统，揭示其优势、失败模式及关键组件。
Comments Accepted to ICLR 2026
RACE 注意力：一种严格线性时间的注意力层，用于在极端长上下文中训练
机构 * Department of Computer Science, Rice University（计算机科学系，里士大学）
AI总结 RACE 注意力通过替代指数核为锐化角相似性，并利用高斯随机投影和软局部敏感哈希，实现线性时间复杂度的注意力层，适用于超长上下文训练，同时减少时间和内存消耗。
Comments Accepted at ICLR 2026. 29 pages, 8 figures
文本贝叶斯：量化基于LLM系统的提示不确定性
机构 * Layer 6 AI
AI总结 本文通过贝叶斯视角量化LLM系统提示的不确定性，提出MHLP算法结合提示优化与MCMC方法，提升预测准确性和不确定性量化性能。
Comments ICLR 2026
你依赖得越少，学到的越多：从稀疏、未定位图像中合成新视角的方法，仅需最小的3D知识
机构 * Peking University（北京大学） ； ByteDance Seed（字节跳动种子） ； Ant Group（蚂蚁集团） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 本文探讨了在数据量增加时，依赖较少3D知识的方法性能提升更快的现象，提出了一种无需显式场景结构和姿态标注的端到端NVS框架，实现了更高效的视角合成。
Comments ICLR 2026
人格炼金术：为多样化利益相关者代表设计、评估和实现心理基础的LLM代理
AI总结 本文提出基于社会认知理论的LLM代理设计框架，通过四个个人因素、六个可量化构念和图数据库架构，提升LLM代理在多样化利益相关者代表中的心理一致性与可解释性。
Comments Accepted at ICLR 2026 Algorithmic Fairness Across Alignment Procedures and Agentic Systems (AFAA) Workshop
VADv2：通过概率规划实现端到端向量自主驾驶
机构 * Huazhong University of Science and Technology（华中科技大学） ； Horizon Robotics
AI总结 本文提出VADv2，一种基于概率规划的端到端自主驾驶模型，通过概率场函数建模动作空间到概率分布的映射，利用大规模驾驶演示提升闭合回路性能，优于现有方法。
Comments Accepted to ICLR 2026. Code is available at https://github.com/hustvl/VAD
通过代数不变量实现LLMs的结构归纳-演绎-演绎推理
机构 * DeepThought Solutions（深思科技） ； Department of Computer Science University of Florida（佛罗里达大学计算机科学系）
AI总结 本文提出通过代数不变量实现LLMs的结构归纳-演绎-演绎推理框架，通过五种代数不变量确保推理链中结论的可靠性，防止逻辑不一致的累积。
Comments 10 pages + 3 pages references. Accepted as a poster at the ICLR 2026 Workshop for LLM Reasoning
代码生成中的多数投票
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出基于功能共识的多数投票方法，通过测试输入的运行时执行签名选择最优解，提升代码生成性能，并应用于无标签的测试时强化学习。
Comments ICLR 2026 Test-Time Updates (TTU) Workshop
ProtoTTA：基于原型的测试时间适应
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Queen’s University（女王大学） ； Vector Institute（向量研究所）
AI总结 ProtoTTA通过利用中间原型信号提升模型在分布偏移下的鲁棒性，同时恢复原型激活的语义聚焦，改进了标准输出熵最小化方法。
Comments ICLR 2026 Test-Time Updates (TTU) Workshop
评估LLM模拟器作为差分隐私数据生成器
机构 * Capital One
AI总结 研究评估LLM模拟器在生成复杂合成数据中的有效性，发现其在欺诈检测中表现良好但存在分布偏移问题，需解决系统性偏差以提升应用潜力。
Comments Submitted to ICLR 2026. 6 pages + appendix
Mamba-SSM结合LLM推理进行特征选择：面向生物标志物发现的可信度意识方法
机构 * Department of Computer Science and Cybersecurity（计算机科学与网络安全系）
AI总结 本文研究LLM推理在过滤特征选择中的作用，通过Mamba-SSM提取基因并结合CoT提升预测性能，发现特征筛选能提高AUC并验证部分已知生物标志物。
Comments 9 pages, 4 figures. Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models
训练流匹配：加权与参数化的作用
机构 * ENS de Lyon, CNRS, Université Claude Bernard Lyon 1, Inria, LIP, UMR 5668, France（里昂大学ENS、法国国家科学研究中心CNRS、里昂大学Claude Bernard Lyon 1、法国国家信息与自动化技术研究所Inria、里昂理工学院LIP、法国大学机构UMR 5668）
AI总结 本文研究去噪生成模型的训练目标，重点分析损失加权和输出参数化对数据流的影响，通过实验探讨不同因素对去噪精度和生成质量的影响。
Comments Published as a paper at the 2nd DeLTa Workshop, ICLR 2026
关于差分隐私深度迁移学习中的最优超参数
机构 * Department of Computer Science, University of Helsinki（赫尔辛基大学计算机科学系）
AI总结 本文研究差分隐私迁移学习中剪裁界C和批量大小B的最优选择，揭示理论与实证结果的不匹配，并分析累积差分隐私噪声对批量大小的影响。
Comments ICLR 2026
EvoTest: 为自改进智能体系统设计的进化测试时学习
机构 * National University of Singapore（国立新加坡大学） ； Microsoft Research（微软研究院）
AI总结 本文提出EvoTest框架，通过进化方法在无需微调或梯度的情况下提升智能体性能，在J-TTL基准中超越传统方法，能赢得两局游戏。
Comments ICLR 2026
超越独立帧：用于多视图超声的潜在注意力掩码自编码器
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）
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
亚线性谱聚类Oracle的内存优化
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
通过任务能力共进化发现新型大语言模型专家
机构 * Sakana AI
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：一个用于从自然语言描述生成科学架构图的数据库
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）
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
中间层编码最优的生物表示在单细胞基础模型中
机构 * University of Siena（锡耶纳大学） ； University of Firenze（佛罗伦萨大学）
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
量化多查询LLM推理中的跨查询矛盾
机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学）
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
通过价值梯度流进行强化学习
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）
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：通过正则化提示优化实现大语言模型的token高效推理
机构 * Google LLC（谷歌公司） ； Purdue University（普渡大学）
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：通过创造性构思生成算法
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）
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
子空间回归的深度学习
机构 * AIC（人工智能中心） ； AI4Science（AI4科学） ； AXXX（未知） ； INM（信息科学研究所）
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
通过估计最优损失值来诊断和改进扩散模型
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）
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
潜在小波扩散用于超高清图像合成
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）
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
去中心化非凸优化中的重尾噪声：归一化与最优收敛
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
HAMLET: 将视觉-语言-动作模型转换为历史感知策略
机构 * KAIST（韩国科学技术院） ； UC Berkeley（伯克利大学）
AI总结 本文提出HAMLET框架，通过引入时刻标记和轻量记忆模块，使视觉-语言-动作模型能关注历史上下文，提升长周期任务表现，实验显示在多个基准测试中均取得显著提升。
Comments ICLR 2026. Project page: https://myungkyukoo.github.io/hamlet/
通过小规模偏好优化修剪大推理模型的长推理链
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence（人工智能研究院） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心） ； Central China Normal University（中部师范大学） ； Meituan（美团） ； NeoShell
AI总结 本文提出LCPO方法，通过统一的Bradley-Terry损失框架，有效减少大推理模型的输出长度，同时保持推理性能，实验显示在多个基准上平均输出长度减少超过50%。
Comments 26 pages, 8 figures, ICLR'26
AudioX：一种用于任意到音频生成的统一框架
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Independent Researcher（独立研究者）
AI总结 本文提出AudioX框架，整合多种模态条件，通过多模态自适应融合模块提升生成质量，并构建大规模高质量数据集IF-caps，验证了其在文本到音频和文本到音乐生成中的优越性能。
Comments Accepted to ICLR 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈