Saddle-to-Saddle Dynamics Explains A Simplicity Bias Across Neural Network Architectures
鞍点到鞍点动力学解释了神经网络架构中的简洁性偏倚
AI总结 该研究通过鞍点到鞍点动力学理论解释了神经网络架构中简洁性偏倚的成因，揭示了不同网络结构在学习过程中复杂度增加的机制。
Comments ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Partially Equivariant Reinforcement Learning in Symmetry-Breaking Environments
部分等价强化学习在对称破坏环境中
机构 * School of Mechanical Engineering, Yonsei University, Seoul, South Korea（延世大学机械工程学院，首尔，韩国） ； Department of Artificial Intelligence, Yonsei University, Seoul, South Korea（延世大学人工智能系，首尔，韩国） ； Department of Mechanical Engineering, University of California, Berkeley, United States（加州大学伯克利分校机械工程系，美国）
AI总结 本文提出部分等价强化学习框架，通过选择性应用群不变或标准贝尔曼备份，提升样本效率和泛化能力，适用于对称破坏环境的离散和连续控制任务。
Comments ICLR 2026
KV Cache Transform Coding for Compact Storage in LLM Inference
KV缓存变换编码用于LLM推理中的紧凑存储
AI总结 KVTC通过变换编码实现LLM推理中的高效缓存压缩，保持推理和长上下文准确性，压缩率可达20倍或更高。
Comments Accepted to ICLR 2026
Predicting kernel regression learning curves from only raw data statistics
仅通过原始数据统计预测核回归学习曲线
AI总结 本研究提出通过Hermite特征结构假设预测学习曲线，展示了在真实数据集上通过数据统计预测模型性能的可行性。
Comments Appeared in ICLR 2026
MVCustom: Multi-View Customized Diffusion via Geometric Latent Rendering and Completion
MVCustom: 通过几何潜在渲染和完成实现多视图定制化扩散
AI总结 MVCustom通过几何潜在渲染和完成技术，实现多视图定制化扩散，解决多视图一致性和定制化保真度的统一问题。
Comments ICLR 2026, Project page: https://minjung-s.github.io/mvcustom
Composer: A Search Framework for Hybrid Neural Architecture Design
Composer: 一种用于混合神经网络架构设计的搜索框架
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 Composer提出了一种模块化框架，通过小规模探索和扩展策略发现优于Llama 3.2的混合LLM架构，提升了模型性能和效率。
Journal ref The International Conference on Learning Representations (ICLR) 2026
BiasBusters: Uncovering and Mitigating Tool Selection Bias in Large Language Models
BiasBusters: 检测和缓解大语言模型中的工具选择偏差
机构 * University of Oxford（牛津大学） ； Microsoft（微软）
AI总结 研究通过基准测试揭示LLM工具选择中的系统性偏差，并提出轻量级缓解策略以减少选择偏差。
Comments ICLR 2026 Camera Ready
RADAR: Reasoning-Ability and Difficulty-Aware Routing for Reasoning LLMs
RADAR: 为推理LLM进行推理能力与难度感知的路由
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe Research（Adobe研究）
AI总结 RADAR通过推理能力与难度感知路由，实现对不同查询的高效模型选择，提升推理性能与可扩展性。
Comments ICLR 2026
Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
重叠自适应正则化用于条件平均处理效应估计
机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Munich, Germany（德国慕尼黑）
AI总结 本文提出重叠自适应正则化方法，通过调整正则化强度以应对低重叠问题，提升CATE估计的性能。
Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), Rio de Janeiro, Brazil
One-Prompt Strikes Back: Sparse Mixture of Experts for Prompt-based Continual Learning
一次提示反击：稀疏专家混合用于基于提示的持续学习
机构 * Trivita AI ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Northeastern University（东北大学） ； Hanoi University of Science and Technology（河内科学技术大学） ； Rutgers University（罗格斯大学）
AI总结 SMoPE通过稀疏专家混合结合任务特定和共享提示策略，有效解决持续学习中的性能与效率权衡问题。
Comments Accepted to ICLR 2026
Efficient Audio-Visual Speech Separation with Discrete Lip Semantics and Multi-Scale Global-Local Attention
高效音频-视觉语音分离与离散唇语语义及多尺度全局-局部注意力
机构 * Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University, Beijing（计算机科学与技术系，人工智能研究院，BNRist，清华大学，北京） ； IDG/McGovern Institute for Brain Research, Tsinghua University, Beijing（IDG/麦克戈文脑研究 institute，清华大学，北京） ； Chinese Institute for Brain Research (CIBR), Beijing（中国脑科学研究院（CIBR），北京）
AI总结 Dolphin通过离散唇语语义和多尺度全局-局部注意力实现高效音频-视觉语音分离，提升分离质量和效率。
Comments Accepted to ICLR 2026
Multi-modal Data Spectrum: Multi-modal Datasets are Multi-dimensional
多模态数据光谱：多模态数据集是多维的
机构 * New York University（纽约大学） ； GenentechCIFAR（基因泰克CIFAR） ； New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）
AI总结 本文通过多模态大语言模型分析23个视觉问答基准，揭示了不同模态在目标任务中的依赖性差异，发现部分基准因设计缺陷放大了图像依赖性。
Comments Accepted to ICLR 2026. Code available at https://github.com/divyam3897/multimodal-spectrum
GDR-learners: Orthogonal Learning of Generative Models for Potential Outcomes
GDR-learners: 生成模型的正交学习用于潜在结果
机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 本文提出GDR-learners，通过正交学习生成模型以高效估计潜在结果分布，具备准Oracle效率和双稳健性，实验显示其在估计性能上优于现有方法。
Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), Rio de Janeiro, Brazil
Locality-aware Parallel Decoding for Efficient Autoregressive Image Generation
具有局部性的并行解码以提高自回归图像生成的效率
机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） ； First Intelligence（第一智能）
AI总结 本文提出LPD方法，通过灵活的并行自回归建模和局部意识生成顺序，显著提升自回归图像生成的效率和质量。
Comments ICLR 2026 Oral. The first two authors contributed equally to this work
Self-Improving Loops for Visual Robotic Planning
自改进循环用于视觉机器人规划
AI总结 SILVR通过自生成轨迹迭代更新视频模型，实现视觉机器人任务的持续改进，无需人类演示或奖励函数。
Comments ICLR 2026. Project Page: https://diffusion-supervision.github.io/silvr/
Enhanced Continual Learning of Vision-Language Models with Model Fusion
增强视觉-语言模型的持续学习与模型融合
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（国家一般人工智能重点实验室，BIGAI） ； Tencent（腾讯）
AI总结 本文提出ConDU方法，通过模型融合解决VLMs在持续学习中的灾难性遗忘问题，提升零样本性能和多任务表现。
Comments Published as a conference paper at ICLR 2026
Chow-Liu Ordering for Long-Context Reasoning in Chain-of-Agents
Chow-Liu 排序用于链式代理中的长上下文推理
机构 * Microsoft（微软）
AI总结 本文利用Chow-Liu树学习依赖结构，通过广度优先遍历优化块顺序，减少信息损失并提升长上下文推理的准确率。
Comments Published as a workshop paper at ICLR 2026 Workshop MemAgents
Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval
唤起用户记忆：通过回忆-熟悉度适应检索个性化LLM
AI总结 RF-Mem通过双路径记忆检索实现个性化LLM，结合回忆与熟悉度机制提升记忆检索效率和准确性。
Comments Accepted by ICLR 2026
The Reasoning Trap -- Logical Reasoning as a Mechanistic Pathway to Situational Awareness
推理陷阱——逻辑推理作为情境意识的机制路径
机构 * MARS 4.0 Fellowship, Cambridge AI Safety Hub(CAISH), University of Cambridge（MARS 4.0 Fellow，剑桥人工智能安全中心（CAISH），剑桥大学） ； AWS Generative AI Innovation Center, Amazon Web Services, USA（亚马逊生成AI创新中心，亚马逊网络服务，美国） ； Google, USA（谷歌，美国） ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学，西雅图，华盛顿州，美国）
AI总结 本文提出RAISE框架，揭示逻辑推理能力提升与情境意识升级的机制路径，并提出安全原则与测试方法以应对潜在风险。
Comments Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models. 21 Pages. Position Paper
Latent-DARM: Bridging Discrete Diffusion And Autoregressive Models For Reasoning
Latent-DARM: 联结离散扩散与自回归模型以实现推理
机构 * EPFL（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 Latent-DARM通过结合离散扩散模型与自回归模型，提升多智能体系统在推理任务中的表现和协作效率。
Comments Published at LIT Workshop at ICLR 2026
Latent Equivariant Operators for Robust Object Recognition: Promises and Challenges
隐式等变运算符用于鲁棒目标识别：前景与挑战
机构 * Departments of Computer Science & Neuroscience and Biomedical Engineering（计算机科学与神经科学及生物医学工程系） ； Aalto University（艾尔沃斯大学）
AI总结 本文提出通过潜在空间学习等变运算符以提升鲁棒目标识别能力，展示其在超出分布分类中的有效性，并探讨扩展至复杂数据集的挑战。
Comments Version accepted at GrAM Workshop of ICLR 2026, Tiny Paper Track
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
B-DENSE：密集ense网络监督效率的分支方法
机构 * Indian Institute of Technology, Roorkee（印度理工学院拉胡尔分校）
AI总结 B-DENSE通过多分支轨迹对齐方法，提升密集ense网络的监督效率，实现更高质量的图像生成。
Comments 11 pages, 5 figures, 4 algorithms and 2 tables. ICLR DeLTa 2026
Multimodal Classification via Total Correlation Maximization
通过总相关性最大化实现多模态分类
机构 * Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出TCMax方法，通过最大化多模态特征与标签间的总相关性，缓解模态竞争并提升多模态分类性能。
Comments Accepted for publication at ICLR 2026; 19 pages; 2 figures
The Affine Divergence: Aligning Activation Updates Beyond Normalisation
仿射散度：超越归一化的激活更新对齐
机构 * Department of Computer Science University of Manchester（计算机科学系曼彻斯特大学）
AI总结 本文提出了一种超越传统归一化的替代方案，通过仿射散度理论和PatchNorm方法，在多个测试中优于传统归一化器。
Comments 30 pages, 10 figures. Accepted for submission to the ICLR 2026 Workshop on "Geometry-grounded Representation Learning and Generative Modeling"
Directional Textual Inversion for Personalized Text-to-Image Generation
方向性文本反转用于个性化文本到图像生成
机构 * KAIST（韩国科学技术院） ； Sookmyung Woman’s University（成均馆女子大学）
AI总结 方向性文本反转通过优化方向提升文本到图像生成的个性化效果，实现更稳定的语义连贯性。
Comments ICLR 2026; Project page: https://kunheek.github.io/dti
From Spatial to Actions: Grounding Vision-Language-Action Model in Spatial Foundation Priors
从空间到动作：在空间先验基础上构建视觉-语言-动作模型
机构 * ByteDance Seed（字节跳动种子） ； NUS（新加坡国立大学） ； NTU（国立技术大学） ； THU（清华大学） ； SMU（南方大学）
AI总结 FALCON通过引入丰富的3D空间标记，改进了视觉-语言-动作模型的空间表示、模态可转移性和对齐能力，在多个基准和现实任务中取得最佳性能。
Comments Accepted at ICLR 2026. Project page: https://falcon-vla.github.io/
Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition
制定你的策略！通过测试时的分布级组合改进扩散型或流型机器人策略
机构 * The University of Hong Kong（香港大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出无需训练的通用策略组合方法，通过测试时分布级组合提升机器人策略性能。
Comments Accepted to ICLR 2026. Project Page: https://sagecao1125.github.io/GPC-Site/
Rating Quality of Diverse Time Series Data by Meta-learning from LLM Judgment
通过LLM判断对异质时间序列数据进行质量评级
机构 * Sun Yat-sen University（中山大学） ； State Key Laboratory of Al Safety（人工智能安全国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出TSRating框架，利用LLM判断对异质时间序列数据进行质量评级，通过元学习提升跨领域适应性。
Comments Accepted at ICLR 2026
JULI: Jailbreak Large Language Models by Self-Introspection
通过自我反思 jailbreak 大型语言模型：JULI
机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 JULI 通过操纵令牌日志概率，利用微小插件块 BiasNet 实现对 API 调用 LLMs 的 jailbreak，无需模型权重或生成过程权限，且在黑盒环境下有效。
Comments Accepted to ICLR 2026
On the Impact of the Utility in Semivalue-based Data Valuation
关于基于半值的数据估值中效用的影响
机构 * Criteo AI lab（Criteo AI实验室） ； FairPlay joint team（FairPlay联合团队） ； CREST ； ENSAE ； Institut Polytechnique de Paris（巴黎政治学院） ； Inria（法国国家信息与自动化技术研究院）
AI总结 本文提出了一种基于数据集空间签名的方法，用于评估半值数据估值在效用变化时的鲁棒性，并通过实验验证了其有效性。
Comments 44 pages, 19 figures. Accepted at ICLR 2026
