Compositional amortized inference for large-scale hierarchical Bayesian models
大规模分层贝叶斯模型的组合 amortized 推断
AI总结 本文提出一种改进的组合分数匹配方法，用于大规模分层贝叶斯模型的amortized贝叶斯推断，通过误差阻尼估计器提升稳定性，并在不同规模的问题中展现竞争力。
Comments Published as a conference paper at ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Improving Semantic Proximity in Information Retrieval through Cross-Lingual Alignment
通过跨语言对齐提升信息检索中的语义接近性
AI总结 本文提出改进多语言检索中跨语言对齐能力的方法，通过设计评估指标和训练策略，提升模型在多语言文档中的检索性能，减少对英语的偏好。
Comments ICLR 2026
Vintix II: Decision Pre-Trained Transformer is a Scalable In-Context Reinforcement Learner
Vintix II：决策预训练变压器是一种可扩展的上下文强化学习者
机构 * Applied AI Institute（应用人工智能研究所） ； Innopolis University（因诺波利斯大学） ； HSE（高等经济学院） ； ITMO University（ITMO大学） ； NUST MISIS（国立科技大学MISIS） ； MSU（莫斯科国立大学） ； Humanoid（Humanoid公司）
AI总结 本文提出Vintix II，通过Flow Matching扩展DPT，实现跨多领域任务的强化学习，提升泛化能力。
Comments ICLR 2026, Poster
Cactus: Accelerating Auto-Regressive Decoding with Constrained Acceptance Speculative Sampling
Cactus：通过受约束的接受推测采样加速自动回归解码
机构 * Dept. Computing Science & Alberta Machine Intelligence Institute (Amii), University of Alberta（阿尔伯塔大学计算机科学系与阿尔伯塔机器智能研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能讲席）
AI总结 本文提出Cactus方法，通过受约束优化框架，在保证与验证器分布可控差异的同时提升接受率，有效解决传统推测采样在分布匹配上的限制问题。
Comments Camera-ready version. Accepted at ICLR 2026
The Illusion of Latent Generalization: Bi-directionality and the Reversal Curse
潜在泛化的幻觉：双向性与反转诅咒
机构 * TUM, Helmholtz Munich（慕尼黑工业大学, 亥姆霍兹慕尼黑中心） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究了自回归语言模型在反向顺序检索中的失败现象，比较了双向监督目标与传统掩码语言模型在四个基准测试中的表现，发现反向准确性依赖于明确将源实体作为预测目标的训练信号，而非单一方向无关的表示。
Comments ICLR 2026 Workshop on Representational Alignment (Re-Align)
Journal ref ICLR 2026
Beyond Membership: Limitations of Add/Remove Adjacency in Differential Privacy
超越成员性：差分隐私中添加/移除邻接的局限性
机构 * University of Helsinki（赫尔辛基大学） ； Microsoft（微软）
AI总结 本文探讨了在差分隐私中使用添加/移除邻接关系的局限性，指出其在保护记录属性时的不足，并通过实验验证了替代邻接关系在隐私计数中的有效性。
Comments Accepted to ICLR 2026; 19 pages, 11 figures
DRIFT: Decompose, Retrieve, Illustrate, then Formalize Theorems
DRIFT: 分解、检索、示例，然后形式化定理
机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 DRIFT框架通过分解数学陈述并检索相关定理，提升大语言模型在形式化证明中的前提检索能力，显著提高F1分数和跨分布性能。
Comments Accepted at ICLR 2026
Guided Query Refinement: Multimodal Hybrid Retrieval with Test-Time Optimization
引导查询细化：多模态混合检索与测试时优化
机构 * Stanford University（斯坦福大学） ； IBM Research（IBM研究院） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 本文提出引导查询细化方法，通过测试时优化提升多模态检索性能，使视觉中心模型在效率和性能上达到更优平衡。
Comments ICLR 2026
MetaEmbed: Scaling Multimodal Retrieval at Test-Time with Flexible Late Interaction
MetaEmbed：通过灵活的后期交互实现测试时多模态检索的扩展
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； Rice University（莱斯大学）
AI总结 MetaEmbed通过灵活的后期交互机制，在测试时实现多模态检索的扩展，通过多向量检索训练提升信息组织能力，实现在大规模模型下的高效检索性能。
Comments ICLR 2026 Oral
InfBaGel: Human-Object-Scene Interaction Generation with Dynamic Perception and Iterative Refinement
InfBaGel: 基于动态感知和迭代细化的人-物体-场景交互生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Sichuan University（四川大学） ； Shenzhen University（深圳大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出一种粗到细的指令条件交互生成框架，结合一致性模型的迭代去噪过程，通过动态感知策略和 bump-aware 指导减少物理伪影，提升 HOSI 和 HOI 生成性能。
Comments ICLR 2026
Cheap Talk, Empty Promise: Frontier LLMs easily break public promises for self-interest
廉价言论，空头承诺：前沿大语言模型容易为私利而违背公开承诺
AI总结 本文研究了在多智能体环境中，前沿大语言模型在单次正常形式游戏中如何通过欺骗行为偏离公开承诺，分析了四种欺骗类型对个体收益和集体福利的影响。
Comments Accepted to ICLR AI for Mechanism Design and Strategic Decision Making Workshop
Preserving Forgery Artifacts: AI-Generated Video Detection at Native Scale
保留伪造痕迹：在原生尺度上进行AI生成视频检测
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学）
AI总结 本文提出在原生尺度上进行AI生成视频检测的新方法，通过构建大规模数据集和新型框架，有效保留高频率伪影和时空不一致特征，提升检测性能。
Comments ICLR 2026 Camera Ready
Automatically Generating Hard Math Problems from Hypothesis-Driven Error Analysis
从假设驱动的错误分析自动生成难题
机构 * University of Chicago（芝加哥大学）
AI总结 本文提出了一种新的数学基准生成流程，利用AI生成的假设识别LLM在特定数学概念上的弱点，并生成针对性难题。实验表明，假设准确性与生成难题难度正相关，且该流程可扩展至其他领域。
Comments 8 pages (without reference and appendix), 4 figures, 1 table, accepted by ICLR 2026 Workshop of Logical Reasoning of Large Language Models
Sharp asymptotic theory for Q-learning with LDTZ learning rate and its generalization
Q学习中LDTZ学习率的尖锐渐近理论及其泛化
机构 * University of Chicago（芝加哥大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文研究了Q学习中线性衰减学习率的理论性质，推导了非渐近误差界，并提出新的尾部Polyak-Ruppert平均估计器的中心极限理论，同时提供了时间均匀的高斯近似以支持推断。
Journal ref ICLR 2026, Main Conference Track, Poster
PRISM: Prompt-Refined In-Context System Modelling for Financial Retrieval
PRISM：基于上下文的系统建模用于金融检索
机构 * AI Lens
AI总结 PRISM通过精细化提示、上下文学习和轻量级多代理协调，提升金融信息检索效率，其简单配置在FinAgentBench上取得NDCG@5 0.71818，为实际应用提供实用指导。
Comments 3rd-place solution for the ACM ICAIF 2025 Agentic Retrieval Grand Challenge. Accepted for poster presentation at ICLR 2026 (Advances in Financial AI Workshop)
When AI Agents Collude Online: Financial Fraud Risks by Collaborative LLM Agents on Social Platforms
当AI代理在线合谋：社交平台上基于协作LLM代理的金融欺诈风险
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学）
AI总结 研究大型多代理系统中集体金融欺诈的风险，通过MultiAgentFraudBench基准测试分析欺诈行为协作机制及影响因素，提出内容警告、LLM监控和群体韧性提升等缓解策略。
Comments ICLR 2026, Code is available at https://github.com/zheng977/MutiAgent4Fraud
AI-BAAM: AI-Driven Bank Statement Analytics as Alternative Data for Malaysian MSME Credit Scoring
AI-BAAM：基于人工智能的银行对账单分析作为马来西亚中小微企业信用评分的替代数据
机构 * AI Lens
AI总结 本文提出利用银行对账单数据进行信用评估，通过现金流量为基础的流程提升马来西亚中小微企业金融包容性，实验证明结合银行交易特征的模型在验证集上达到AUROC 0.806，比仅使用申请信息的模型提升24.6%。
Comments Accepted for oral presentation at ACM ICAIF 2025 (FinRem Workshop). Accepted for poster presentations at AAAI 2026 (Agentic AI in Financial Services Workshop) and ICLR 2026 (Advances in Financial AI Workshop)
Fewer Weights, More Problems: A Practical Attack on LLM Pruning
更少的权重，更多的问题：对LLM剪枝的一种实用攻击
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文首次揭示了现代LLM剪枝方法可能被恶意利用的问题，通过构造看似无害的模型，在剪枝后表现出恶意行为，展示了剪枝过程中的安全风险。
Comments ICLR 2026. Code: https://github.com/eth-sri/llm-pruning-attack
Durian: Dual Reference Image-Guided Portrait Animation with Attribute Transfer
Durian: 基于双参考图像的面部动画与属性迁移
机构 * Seoul National University（首尔国立大学）
AI总结 Durian通过双参考图像引导的方法，实现跨身份属性迁移的面部动画生成，利用自重建机制避免显式配对数据，提升模型泛化能力。
Comments Accepted to ICLR 2026, Project Page: https://hyunsoocha.github.io/durian
Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation
Embodied-R1：强化的具身推理用于通用机器人操作
机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部）
AI总结 本文提出Embodied-R1，通过引入指向作为统一的中间表示，结合强化微调方法，实现通用机器人操作中的具身推理，展示了在多个基准测试中的卓越性能和零样本泛化能力。
Comments Embodied-R1 technical report v2; Published as a conference paper at ICLR 2026
Align Your Structures: Generating Trajectories with Structure Pretraining for Molecular Dynamics
对齐你的结构：利用结构预训练生成分子动力学轨迹
机构 * Stanford University（斯坦福大学） ； Lambda, Inc（Lambda公司）
AI总结 本文提出利用结构预训练生成分子动力学轨迹的方法，通过扩散模型生成结构并结合插值模块保证时间一致性，有效解决分子动力学数据稀缺问题。
Comments Published at ICLR 2026. 38 pages, 17 figures, 17 tables
SVD Provably Denoises Nearest Neighbor Data
SVD 可证去噪最近邻数据
AI总结 研究高维空间中受高斯噪声扰动的数据最近邻搜索问题，证明SVD在特定噪声条件下可有效恢复未受扰动数据的最近邻。
Comments Accepted at ICLR 2026
When AI Agents Disagree Like Humans: Reasoning Trace Analysis for Human-AI Collaborative Moderation
当AI代理像人类一样产生分歧：用于人机协作 moderation 的推理轨迹分析
AI总结 本文研究AI代理在仇恨言论 moderation 中的分歧模式，通过推理轨迹分析发现分歧结构比幅度更能预测人类判断需求，提出从共识寻求转向不确定性揭示的多代理设计。
Comments Accepted to the ICLR 2026 Workshop on "From Human Cognition to AI Reasoning: Models, Methods, and Applications (HCAIR)
POEMetric: The Last Stanza of Humanity
POEMetric：人类的最后一段
机构 * University of Birmingham（伯明翰大学） ； University of Trento（特伦托大学） ； Institute of Data and AI (IDAI)（数据与人工智能研究所）
AI总结 本文提出POEMetric框架，评估诗歌生成能力，通过人类和LLM的对比发现，尽管顶级模型在形式准确性和主题匹配上表现优异，但整体诗歌质量仍逊于人类诗人。
Journal ref ICLR 2026
DiffSparse: Accelerating Diffusion Transformers with Learned Token Sparsity
DiffSparse: 通过学习的令牌稀疏性加速扩散变换器
机构 * Advanced Micro Devices, Inc.（超威半导体公司） ； Tsinghua University（清华大学） ； BNRist（北京信息科学与技术国家研究中心）
AI总结 本文提出DiffSparse框架，通过学习令牌稀疏性优化扩散变换器的推理效率，减少计算成本并提升生成质量。
Comments Accepted by ICLR 2026
Embedding-Only Uplink for Onboard Retrieval Under Shift in Remote Sensing
仅嵌入式上行用于远程传感中的 onboard 检索位移
机构 * Telepix
AI总结 研究在远程传感位移下，仅嵌入式上行是否有效，通过对比不同任务的决策头性能，证明嵌入式上行是关键，且在不增加上行成本下可选择最佳头。
Comments Accepted at the Machine Learning for Remote Sensing (ML4RS) Workshop, ICLR 2026
Hindsight-Anchored Policy Optimization: Turning Failure into Feedback in Sparse Reward Settings
回顾锚定策略优化：在稀疏奖励设置中将失败转化为反馈
机构 * Amazon（亚马逊）
AI总结 本文提出HAPO策略优化方法，通过合成成功注入机制和 Thompson 采样启发的门控机制，解决稀疏奖励下策略优化的分布偏置问题，实现渐近一致性。
Comments Published as a conference paper ICLR 2026 CAO Workshop
T1: One-to-One Channel-Head Binding for Multivariate Time-Series Imputation
T1: 多变量时间序列插值中的一对一通道-头部绑定
机构 * Graduate School of Data Science, Seoul National University（首尔大学数据科学研究生院）
AI总结 T1提出一种CNN-Transformer混合架构，通过通道-头部绑定实现鲁棒插值，有效处理多变量时间序列缺失问题，实验表明其在多个数据集上均优于现有方法，尤其在极端稀疏情况下表现突出。
Comments Accepted at ICLR 2026
WIMLE: Uncertainty-Aware World Models with IMLE for Sample-Efficient Continuous Control
WIMLE：具有IMLE的不确定性感知世界模型用于高效连续控制
AI总结 WIMLE通过扩展IMLE至模型基于强化学习框架，学习随机多模世界模型并估计预测不确定性，提升了连续控制任务的样本效率和稳定性。
Comments Accepted at ICLR 2026. Website: https://mehranagh20.github.io/wimle/ Code: https://github.com/mehranagh20/wimle
Journal ref In Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026
XModBench: Benchmarking Cross-Modal Capabilities and Consistency in Omni-Language Models
XModBench：多模态能力与一致性在多语言模型中的基准测试
机构 * Advanced Micro Devices（超威半导体） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Rochester（罗彻斯特大学）
AI总结 XModBench通过大规模三模态基准测试，评估多语言模型在跨模态一致性中的能力，揭示模型在不同模态下的推理偏差和不平衡问题。
Journal ref Published as a conference paper at ICLR 2026
