期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
重新思考基于补偿的LLM量化中的残差误差
机构 * Zhejiang University（浙江大学） ； vivo Mobile Communication Co., Ltd（维沃移动通信有限公司）
AI总结 本文重新审视残差误差的定义，指出现有方法的校准目标存在次优问题，并引入补偿感知误差以提升LLM量化性能。
Comments ICLR'26 camera ready
高效数据选择用于生成推荐系统的持续适应
机构 * Spotify ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究通过针对性数据选择缓解时间分布漂移导致的性能下降，采用梯度表示与分布匹配提升模型性能，实现训练效率提升与鲁棒性保障。
Comments ICLR 2026 CAO Workshop (Oral)
学习是遗忘：LLM训练作为有损压缩
机构 * Princeton University（普林斯顿大学） ； Cohere
AI总结 本文提出LLM训练可视为有损压缩过程，通过保留训练数据中与目标相关的信息，揭示模型表示结构与下游性能的联系。
Comments 12 page core paper, 16 page Appendix - A shorter version with fewer visuals appears at ICLR 2026
广义球面神经算子：格林函数公式
机构 * University of Dundee, United Kingdom（英国邓迪大学） ； University of Cambridge, United Kingdom（英国剑桥大学）
AI总结 本文提出基于可设计球面格林函数及其谐波展开的广义算子设计框架，提出适应非等变系统的GSNO算子，结合多尺度谱模型与球面上下采样构建SHNet，实验证明其在扩散磁共振成像、浅水动力学和全球天气预测中优于现有方法。
Comments ICLR 2026 (International Conference on Learning Representations)
CompoDistill：多模态大语言模型中基于注意力的知识蒸馏用于组合推理
机构 * KAIST（韩国科学技术院）
AI总结 本文提出CompoDistill，通过显式对齐学生与教师模型的视觉注意力，提升多模态大语言模型的组合推理能力，同时保持视觉问答任务的性能。
Comments ICLR'26, Project Page : https://ptkjw1997.github.io/CompoDistill-page/
通过最优传输实现快速且可解释的蛋白质亚结构对齐
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出PLASMA框架，通过最优传输解决蛋白质局部结构对齐问题，实现高效且可解释的残基级对齐，并通过实验验证其准确性与实用性。
Comments ICLR 2026
别这样做！
机构 * Technical University Munich（慕尼黑工业大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 本文提出STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。
Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy
学习查询历史：通过学习检索实现非平稳分类
AI总结 本文通过学习检索机制将非平稳分类问题转化为时间序列预测，利用历史标注示例提升模型鲁棒性，在合成数据和Amazon评论数据集上验证了方法的有效性。
Comments Accepted to ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM). 12 pages, 6 figures
双 Lipschitz 自编码器与单射保证
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出 Bi-Lipschitz 自编码器，通过引入单射正则化和双 Lipschitz 放松，解决传统自编码器在非单射映射和约束过严的问题，提升鲁棒性和收敛性。
Comments Accepted for publication at ICLR 2026, 27 Pages, 15 Figures
ECLIPSE：用于预测癌症中ecDNA形成、进化和治疗脆弱性的可组合管道
AI总结 ECLIPSE通过三个模块革新ecDNA预测与建模，展示标准基因组特征可预测ecDNA状态，利用物理约束神经SDEs捕捉随机动态，并通过因果推断识别治疗脆弱性，建立严谨基准并揭示方法论重要性。
Comments 9 pages, 5 figures. Accepted to workshop on AI and Partial Differential Equations, Foundation Models for Science: Real-World Impact and Science-First Design, Machine Learning for Genomics Explorations, and Generative and Experimental Perspectives for Biomolecular Design at ICLR 2026
机制不变性测试：基因组语言模型未能学习位置调控逻辑
AI总结 研究通过机制不变性测试揭示基因组语言模型在位置调控逻辑理解上的缺陷，发现模型依赖AT含量相关性而非真实位置调控逻辑，需改进架构以应对合成生物学等应用需求。
Comments 14 pages, 4 figures, Accepted to Workshop on Latent and Implicit Thinking - Going Beyond CoT Reasoning, Machine Learning for Genomics Explorations, and Generative and Experimental Perspectives for Biomolecular Design at ICLR 2026
高效混合专家模型的量化方法及其理论泛化保证
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM Research（IBM研究院）
AI总结 本文提出基于专家路由L2范数变化的混合精度量化策略，提升大模型推理精度与效率，减少内存开销。
Journal ref The Fourteenth International Conference on Learning Representations, 2026
难度扩展的极限：在GRPO调优的SLMs中困难样本产生递减回报
机构 * IIIT Delhi（德里印度理工学院）
AI总结 本文研究了在资源受限条件下，GRPO与LoRA应用于SLMs进行数学推理时，难度增加对准确率的影响，发现高难度样本的提升效果递减。
Comments Accepted at ICLR Workshop 2026 ICBINB
利用双曲几何进行有害提示检测与净化
机构 * University of Genoa（热那亚大学） ； Sapienza University of Rome（罗马大学） ； University of Cagliari（卡利亚里大学）
AI总结 本文提出HyPE和HyPS方法，利用双曲几何空间检测和净化有害提示，提升视觉语言模型的安全性与鲁棒性。
Comments Paper accepted at ICLR 2026. Webpage available at: https://hype-vlm.github.io
幻觉作为输出边界误分类：一种用于语言模型的复合回避架构
机构 * NEXUS Laboratory（NEXUS实验室）
AI总结 本文提出一种复合架构，结合指令拒绝与结构回避门，通过计算支持不足分数来减少语言模型的幻觉问题，实验表明两者互补可提升准确性与减少幻觉。
Comments Theoretical manuscript extending an earlier proof-of-concept workshop paper accepted to the ICLR 2026 Workshop on LLM Reasoning; 13 pages, 3 tables
在真实环境中评估大语言模型工具使用能力
机构 * Tencent（腾讯）
AI总结 本文提出WildToolBench基准测试，通过评估57个LLM在真实用户行为下的表现，揭示LLM在工具使用中的鲁棒性不足，强调需重新考虑LLM、用户与工具之间的交互。
Comments accepted by ICLR 2026
机构 * Stanford University（斯坦福大学） ； University of Oxford（牛津大学）
Comments Accepted at the ICLR 2026 GRaM Workshop. 9 pages, 9 figures, 16 tables; 30 pages of supplementary material
地球嵌入探索器：一种用于全球卫星图像跨模态检索的Web应用
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences（中国科学院地理科学与资源研究所） ； Asterisk Labs（Asterisk实验室） ； LGND AI, Inc.（LGND AI公司） ； University College London（伦敦大学学院）
AI总结 本文介绍EarthEmbeddingExplorer，一种Web应用，通过跨模态查询实现全球卫星图像的动态检索，帮助研究人员将研究成果转化为实际应用。
Comments ICLR 2026 Workshop ML4RS Tutorial Track (oral)
EvoFlows：基于进化编辑的蛋白质工程流匹配
机构 * Cradle Zürich, CH（Cradle 苏黎世，瑞士）
AI总结 EvoFlows通过编辑流学习蛋白质序列间的突变轨迹，实现可控的插入、删除和替换操作，生成与自然蛋白家族一致的变异体，优于现有方法。
Comments Accepted at Workshop on Foundation Models for Science: Real-World Impact and Science-First Design, ICLR 2026
干预时间序列先验用于因果基础模型
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出CausalTimePrior框架，生成合成时间结构因果模型，支持可配置因果图、非线性自回归机制和多干预类型，推动时间序列因果推断的基础模型发展。
Comments ICLR 2026 1st Workshop on Time Series in the Age of Large Models (TSALM)
SPICE：基于子模惩罚的信息冲突选择用于高效大语言模型训练
机构 * Bilibili Inc.（哔哩哔哩公司）
AI总结 SPICE通过惩罚信息冲突提升大语言模型训练效率，利用子模惩罚优化信息选择，在减少数据量的同时实现性能提升。
Comments Accepted to ICLR 2026 main conference ; Code available at <https://github.com/Chang-pw/SPICE>
从优化角度纠正大语言模型的思维
机构 * Monash University（莫纳什大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文通过优化视角分析LLM推理过程，提出RePro方法改进推理性能，减少过度思考等亚优行为。
Comments Accepted by ICLR 2026
一次生命学习：从无指导探索中推断随机环境的符号世界模型
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Allen Institute for AI（艾伦人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出OneLife框架，通过条件激活的程序法则在概率编程框架中推断随机环境的动态，实现从无指导探索中学习复杂环境的动力学，优于基线方法。
Comments Accepted to ICLR 2026. Project page: https://onelife-worldmodel.github.io/; 44 pages
Draw-In-Mind: 在统一多模态模型中重新平衡设计师-画家角色有助于图像编辑
机构 * Show Lab, National University of Singapore（新加坡国立大学Show Lab） ； TikTok
AI总结 本文提出Draw-In-Mind模型，通过重新分配设计职责提升图像编辑性能，展示了在统一多模态模型中平衡理解与生成模块的重要性。
Comments ICLR 2026 Camera Ready Version; Add more discussions and fix typos
LongWriter-Zero: 通过强化学习掌握超长文本生成
机构 * Singapore University of Technology and Design, Singapore（新加坡科技设计大学） ； Tsinghua University, Beijing, China（清华大学）
AI总结 本文提出一种基于激励的方法，无需标注或合成数据，通过强化学习使LLM生成超长高质量文本，实验表明其在长文本任务中优于传统SFT方法，达到WritingBench和Arena-Write的最优效果。
Comments ICLR 2026 Oral
一种轻量级的用于基于能量的联合嵌入预测架构库
机构 * Meta FAIR ； INRIA（法国国家信息与自动化研究所） ； New York University（纽约大学）
AI总结 本文提出EB-JEPA库，展示如何将图像级自监督学习的表示学习技术扩展到视频和动作条件世界模型，通过实验验证其在任务中的有效性。
Comments v2: clarify confusion in definition of JEPAs vs. regularization-based JEPAs v3: Camera-ready of ICLR world models workshop, fixed formatting and ViT config / results
何时上下文有助于？对目标条件分子性质预测的系统研究
机构 * Great Neck South High School（大颈南高中）
AI总结 本文系统研究了目标上下文对分子性质预测的帮助，通过10种不同蛋白质家族、4种融合架构和多种数据集评估，发现融合架构主导，上下文能实现不可能的预测，但也会导致系统性伤害，揭示了标准基准测试的缺陷。
Comments 9 pages, 5 figures. Accepted at Workshop on AI for Accelerated Materials Design and Foundation Models for Science: Real-World Impact and Science-First Design at ICLR 2026
就地测试时间训练
机构 * Peking University（北京大学）
AI总结 本文提出了一种无需重新训练的就地测试时间训练框架，通过调整MLP块的最终投影矩阵实现模型在推理时的动态更新，提升大语言模型在长上下文任务中的性能。
Comments ICLR 2026 Oral Presentation; Code is released at https://github.com/ByteDance-Seed/In-Place-TTT
基于视觉引导的前端代码生成迭代精修
机构 * School of Mathematics, University of Bristol, UK（英国布里斯托大学数学学院） ； Amazon AGI（亚马逊AGI）
AI总结 本文提出一种全自动的批评者循环框架，利用视觉语言模型提供结构化反馈以指导代码生成的迭代优化，实验证明其在前端开发中能显著提升代码质量。
Comments Accepted at ICLR 2026 Workshop on AI with Recursive Self-Improvement
MATRIX：用于交互感知视频生成的遮罩跟踪对齐
机构 * KAIST AI（韩国科学技术院人工智能系）
AI总结 MATRIX通过引入遮罩跟踪对齐方法，提升视频生成中交互感知能力，增强语义对齐与传播，减少漂移和幻觉。
Comments Project Page is available at: https://cvlab-kaist.github.io/MATRIX/, 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