ICLR

Model-based Offline RL via Robust Value-Aware Model Learning with Implicitly Differentiable Adaptive Weighting

基于鲁棒价值感知模型学习的模型驱动离线RL

Zhongjian Qiao, Jiafei Lyu, Boxiang Lyu, Yao Shu, Siyang Gao, Shuang Qiu

机构 * CityUHK（城大） ； Tencent（腾讯） ； UChicago（芝加哥大学） ； HKUST(GZ)（香港科技大学（广州）） 纠错

AI总结 ROMI通过鲁棒价值感知模型学习和隐式可微适应加权方法，改进离线RL中的模型更新稳定性与泛化能力。

Comments Accepted at ICLR 2026

Tiny Autoregressive Recursive Models

微型自回归递归模型

Paulius Rauba, Claudio Fanconi, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文提出自回归TRM，评估其在小型自回归任务上的表现，发现两步细化基线表现强劲，但完整架构未见显著性能提升。

Journal ref ICLR 2026 Workshop RSI Spotlight

ELLMob: Event-Driven Human Mobility Generation with Self-Aligned LLM Framework

ELLMob: 基于自对齐LLM框架的事件驱动人类移动生成

Yusong Wang, Chuang Yang, Jiawei Wang, Xiaohang Xu, Jiayi Xu, Dongyuan Li, Chuan Xiao, Renhe Jiang

机构 * Institute of Science Tokyo（东京科学研究所） ； The University of Tokyo（东京大学） ； The University of Osaka（大阪大学） 纠错

AI总结 ELLMob 基于自对齐LLM框架，通过提取习惯模式与事件约束的竞争性理由并迭代对齐，生成既符合习惯又响应事件的轨迹，有效解决大规模社会事件中的移动模式生成问题。

Comments Accepted by ICLR 2026

Visualizing Coalition Formation: From Hedonic Games to Image Segmentation

从享乐博弈到图像分割：联盟形成的可视化

Pedro Henrique de Paula França, Lucas Lopes Felipe, Daniel Sadoc Menasché

机构 * UFRJ（里约热内卢联邦大学） 纠错

AI总结 本文通过图像分割技术研究享乐博弈中联盟形成的过程，揭示细粒度参数对均衡结构的影响，并将多代理系统与图像分割联系起来。

Comments The First Workshop on AI for Mechanism Design and Strategic Decision Making -- Workshop AIMS at ICLR 2026

VLM-SubtleBench: How Far Are VLMs from Human-Level Subtle Comparative Reasoning?

VLM-SubtleBench: VLMs在人类水平的细微比较推理方面还有多远？

Minkyu Kim, Sangheon Lee, Dongmin Park

机构 * KRAFTON ； KAIST（韩国科学技术院） 纠错

AI总结 VLM-SubtleBench通过评估VLMs在细微比较推理上的表现，揭示了模型与人类性能之间的差距，并为提升VLMs的推理能力提供了基础。

Comments ICLR 2026

Benchmarking Large Language Models for Quebec Insurance: From Closed-Book to Retrieval-Augmented Generation

魁北克保险领域大型语言模型基准测试：从闭卷到检索增强生成

David Beauchemin, Richard Khoury

机构 * Group for Research in Artificial Intelligence of Laval University (GRAIL)（拉瓦尔大学人工智能研究组） 纠错

AI总结 本文提出AEPC-QA基准测试，评估51个LLM在魁北克保险领域的闭卷和检索增强生成性能，揭示推理、RAG效果及专业化悖论等关键发现。

Comments Publish at the Advances in Financial AI: Towards Agentic and Responsible Systems Workshop @ ICLR 2026

Uncertainty-Gated Generative Modeling

不确定性门控生成建模

Xingrui Gu, Haixi Zhang

机构 * Electrical Engineering and Computer Science University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； School of Electrical and Computer Engineering Cornell University（康奈尔大学电气与计算机工程学院） 纠错

AI总结 本文提出UGGM方法，通过不确定性门控机制提升金融时间序列预测的鲁棒性和准确性，实验显示在NYISO数据集上MSE显著降低。

Comments Accepeted by ICLR 2026 Workshop Advances in Financial AI

Journal ref ICLR 2026

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning

隐藏与寻找：联邦图学习中的分布式对抗攻击

Jinshan Liu, Ken Li, Jiazhe Wei, Bin Shi, Bo Dong

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security（教育部智能网络与网络 security 重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院） 纠错

AI总结 FedShift是一种新的两阶段分布式对抗攻击方法，通过在训练前注入隐藏的位移器和训练后聚合扰动，有效提升联邦图学习的攻击效果和隐蔽性。

Comments Accepted at ICLR 2026 Workshop: Principled Design for Trustworthy AI

Reverse Distillation: Consistently Scaling Protein Language Model Representations

反蒸馏：一致地扩展蛋白质语言模型表示

Darius Catrina, Christian Bepler, Samuel Sledzieski, Rohit Singh

机构 * Department of Computer Science（计算机科学系） ； Duke University（杜克大学） ； Center for Computational Biology（计算生物学中心） ； Flatiron Institute（Flatiron研究所） ； Depts of Biostats. and Bioinformatics（生物统计学与生物信息学系；细胞生物学系） ； and Cell Biology 纠错

AI总结 反蒸馏通过分解大型蛋白质语言模型表示为正交子空间，使较大模型在相同维度下始终优于较小模型，提升了蛋白质特征编码效果。

Comments Proceedings of ICLR 2026

Helix: Evolutionary Reinforcement Learning for Open-Ended Scientific Problem Solving

Helix：基于进化强化学习的开放性科学问题求解

Chang Su, Zhongkai Hao, Zhizhou Zhang, Zeyu Xia, Youjia Wu, Hang Su, Jun Zhu

机构 * Bosch (China) Investment Co., Ltd.（博世（中国）投资有限公司） ； Tsinghua-Bosch Joint Center for ML, Tsinghua University（清华大学-博世联合人工智能中心，清华大学） ； Dept. of EE, Tsinghua University（清华大学电子工程系） ； Dept. of Comp. Sci. & Techn., Tsinghua University（清华大学计算机科学与技术系） 纠错

AI总结 HELIX通过分层进化强化学习框架，在开放性科学问题求解中实现了先进解决方案的发现，其在圆圈装箱任务中取得state-of-the-art结果，并在机器学习基准测试中超越GPT-4o。

Comments Accepted at ICLR 2026

Contact-Guided 3D Genome Structure Generation of E. coli via Diffusion Transformers

通过扩散变换器生成大肠杆菌3D基因组结构的接触引导方法

Mingxin Zhang, Xiaofeng Dai, Yu Yao, Ziqi Yin

机构 * The University of Tokyo（东京大学） ； University of Michigan（密歇根大学） ； Waseda University（早稻田大学） 纠错

AI总结 本文提出基于扩散变换器的框架，通过Hi-C接触图引导生成大肠杆菌3D基因组结构的集合，展现生成建模在集合层面3D基因组重建中的有效性。

Comments Accepted at the Gen2 Workshop at ICLR 2026

Generalizing Linear Autoencoder Recommenders with Decoupled Expected Quadratic Loss

基于解耦预期二次损失的线性自编码推荐系统泛化

Ruixin Guo, Xinyu Li, Hao Zhou, Yang Zhou, Ruoming Jin

机构 * Kent State University（肯特州立大学） ； Auburn University（阿伯茨维尔大学） 纠错

AI总结 本文提出解耦预期二次损失（DEQL）方法，通过扩展EDLAE的目标函数，提高了推荐系统模型的泛化能力和性能。

Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=ANH044Wdje)

AQuA: Toward Strategic Response Generation for Ambiguous Visual Questions

AQuA：迈向具有模糊性视觉问题的策略性响应生成

Jihyoung Jang, Hyounghun Kim

机构 * Graduate School of Artificial Intelligence, POSTECH（人工智能研究生院，POSTECH） ； Department of Computer Science and Engineering, POSTECH（计算机科学与工程系，POSTECH） 纠错

AI总结 AQuA通过细粒度数据集和策略微调，提升VLMs在模糊视觉问答中的策略性响应生成能力。

Comments ICLR 2026 (28 pages); Project website: https://aqua-iclr2026.github.io/

Test-Time Meta-Adaptation with Self-Synthesis

测试时元适应与自合成

Zeyneb N. Kaya, Nick Rui

机构 * Stanford University（斯坦福大学） 纠错

AI总结 MASS通过自动生成问题特定的合成训练数据，实现大语言模型在测试时的自我适应与优化，提升下游任务性能。

Comments 5 pages, 2 figures, 1 table. Accepted to AI with Recursive Self-Improvement (RSI) Workshop @ ICLR 2026

CryoNet.Refine: A One-step Diffusion Model for Rapid Refinement of Structural Models with Cryo-EM Density Map Restraints

CryoNet.Refine: 一种用于利用冷冻电镜密度图约束快速优化结构模型的一步扩散模型

Fuyao Huang, Xiaozhu Yu, Kui Xu, Qiangfeng Cliff Zhang

机构 * State Key Laboratory of Membrane Biology, Beijing Frontier Research Center of Biological Structures, Tsinghua-Peking Joint Center for Life Sciences, School of Life Sciences, Tsinghua University, Beijing, China（膜生物学国家重点实验室，北京生物结构前沿研究中心，清华大学-北京大学联合生命科学中心，生命科学学院，清华大学，北京，中国） ； State Key Laboratory of Membrane Biology–Membrane Structure and Artificial Intelligence Biology Branch, Hangzhou, China（膜生物学国家重点实验室——生物结构与人工智能生物学分支，杭州，中国） ； State Key Laboratory of Membrane Biology, Beijing Tsinghua Institute for Frontier Interdisciplinary Innovation, Beijing, China（膜生物学国家重点实验室，北京清华大学前沿交叉创新研究院，北京，中国） 纠错

AI总结 CryoNet.Refine通过一步扩散模型实现快速结构模型优化，结合密度感知损失和立体化学约束，提供自动化且高效的冷冻电镜结构精修解决方案。

Comments Published as a conference paper at ICLR 2026

Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation

具有瞬时速度约束的一步动作生成均流策略

Guojian Zhan, Letian Tao, Pengcheng Wang, Yixiao Wang, Yiheng Li, Yuxin Chen, Hongyang Li, Masayoshi Tomizuka, Shengbo Eben Li

机构 * School of Vehicle and Mobility & College of AI, Tsinghua University（车辆与移动学院及人工智能学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出均速度策略（MVP），通过引入瞬时速度约束来提升动作生成效率，实现高效的一步动作生成并在机器人操作任务中取得最佳性能。

Comments ICLR Oral Presentation

NAAMSE: Framework for Evolutionary Security Evaluation of Agents

NAAMSE：用于智能体进化安全评估的框架

Kunal Pai, Parth Shah, Harshil Patel

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 NAAMSE通过进化框架提升智能体的安全评估，利用遗传突变和探索发现隐藏漏洞，提供更真实鲁棒性评估。

Comments Published at ICLR 2026 Workshop on Agents in the Wild

Semantic Search over 9 Million Mathematical Theorems

对900万条数学定理进行语义检索

Luke Alexander, Eric Leonen, Sophie Szeto, Artemii Remizov, Ignacio Tejeda, Jarod Alper, Giovanni Inchiostro, Vasily Ilin

机构 * Math AI Lab, University of Washington, Seattle, United States（数学AI实验室，华盛顿大学，西雅图，美国） ； Department of Mathematics, University of Washington, Seattle, United States（数学系，华盛顿大学，西雅图，美国） ； Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, United States（保罗·G·艾伦计算机科学与工程学院，华盛顿大学，西雅图，美国） ； Lake Washington High School, Kirkland, United States（拉克华盛顿高中， Kirkland，美国） ； Department of Applied and Computational Mathematical Sciences, University of Washington, Seattle, United States（应用与计算数学科学系，华盛顿大学，西雅图，美国） 纠错

AI总结 本文提出了一种大规模语义检索方法，针对920万条数学定理进行高效检索，显著提升了定理和论文的检索效果。

Comments theoremsearch.com

Journal ref ICLR 2026 Workshop: Logical Reasoning of Large Language Models

MeanCache: From Instantaneous to Average Velocity for Accelerating Flow Matching Inference

MeanCache: 从瞬时到平均速度以加速流匹配推理

Huanlin Gao, Ping Chen, Fuyuan Shi, Ruijia Wu, Li YanTao, Qiang Hui, Yuren You, Ting Lu, Chao Tan, Shaoan Zhao, Zhaoxiang Liu, Fang Zhao, Kai Wang, Shiguo Lian

机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国unicom数据科学与人工智能研究 institute） ； Unicom Data Intelligence, China Unicom（中国unicom数据智能） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） 纠错

AI总结 MeanCache通过引入平均速度视角，有效缓解流匹配推理中的误差累积，实现显著加速并优于现有缓存方法。

Journal ref ICLR 2026

Flow2GAN: Hybrid Flow Matching and GAN with Multi-Resolution Network for Few-step High-Fidelity Audio Generation

Flow2GAN：混合流匹配与GAN的多分辨率网络用于少步高质量音频生成

Zengwei Yao, Wei Kang, Han Zhu, Liyong Guo, Lingxuan Ye, Fangjun Kuang, Weiji Zhuang, Zhaoqing Li, Zhifeng Han, Long Lin, Daniel Povey

AI总结 Flow2GAN结合流匹配与GAN微调，通过多分辨率网络提升音频生成的高质量与高效性。

Comments Published as a conference paper at ICLR 2026

Meta-RL Induces Exploration in Language Agents

元强化学习诱导语言智能体的探索

Yulun Jiang, Liangze Jiang, Damien Teney, Michael Moor, Maria Brbic

机构 * EPFL（苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） 纠错

AI总结 LaMer通过元强化学习框架提升语言智能体的探索能力，显著提高多任务性能并增强泛化能力。

Comments ICLR 2026

Dual-Robust Cross-Domain Offline Reinforcement Learning Against Dynamics Shifts

对抗动态偏移的双鲁棒跨域离线强化学习

Zhongjian Qiao, Rui Yang, Jiafei Lyu, Xiu Li, Zhongxiang Dai, Zhuoran Yang, Siyang Gao, Shuang Qiu

机构 * CityUHK（城市大学 Hong Kong 分校） ； UIUC（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； Yale University（耶鲁大学） ； CUHK(SZ)（香港中文大学（深圳）） ； Tencent（腾讯） 纠错

AI总结 本文提出DROCO算法，通过引入鲁棒跨域Bellman算子和动态价值惩罚等技术，提升跨域离线强化学习在动态偏移下的双鲁棒性。

Comments Accepted at ICLR 2026

Dual Randomized Smoothing: Beyond Global Noise Variance

双重随机平滑：超越全局噪声方差

Chenhao Sun, Yuhao Mao, Martin Vechev

机构 * Department of Computer Science, ETH Zürich（计算机科学系，苏黎世联邦理工学院） 纠错

AI总结 本文提出双随机平滑框架，通过输入依赖的噪声方差提升对抗鲁棒性，在多种数据集上均取得优于传统方法的性能。

Comments ICLR'26

ARM-FM: Automated Reward Machines via Foundation Models for Compositional Reinforcement Learning

基于基础模型的自动奖励机制：用于组合强化学习的自动化奖励机

Roger Creus Castanyer, Faisal Mohamed, Pablo Samuel Castro, Cyrus Neary, Glen Berseth

机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

AI总结 ARM-FM通过基础模型实现自动化奖励设计，利用自然语言生成奖励机并实现跨任务泛化，提升强化学习的通用性和效率。

Comments Published at ICLR 2026

Stochastic Self-Organization in Multi-Agent Systems

多智能体系统中的随机自组织

Nurbek Tastan, Samuel Horvath, Karthik Nandakumar

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德·本·扎耶德人工智能大学） ； Michigan State University (MSU)（密歇根州立大学） 纠错

AI总结 本文提出SelfOrg框架，通过实时适应通信结构，实现多智能体系统的随机自组织，提升协作效率与鲁棒性。

Comments Accepted to ICLR 2026

TokMem: One-Token Procedural Memory for Large Language Models

TokMem: 一个令牌的程序性记忆用于大型语言模型

Zijun Wu, Yongchang Hao, Lili Mou

机构 * Dept. Computing Science & Alberta Machine Intelligence Institute (Amii), University of Alberta（计算科学系及阿尔伯塔机器智能研究所（Amii），阿尔伯塔大学） 纠错

AI总结 TokMem通过单个可训练令牌实现程序性记忆，提升大型语言模型在任务回忆和多步函数调用中的性能，同时减少训练参数和上下文开销。

Comments Accepted by ICLR 2026

Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents

你的代理可能误进化：自我进化大语言模型代理中的新兴风险

Shuai Shao, Qihan Ren, Chen Qian, Boyi Wei, Dadi Guo, Jingyi Yang, Xinhao Song, Linfeng Zhang, Weinan Zhang, Dongrui Liu, Jing Shao

AI总结 本文研究了自我进化代理中因自我进化偏离导致的误进化风险，揭示了其广泛存在及对安全对齐的影响，并提出缓解策略。

Comments Published in ICLR 2026

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data

CauKer：分类时间序列基础模型可以在合成数据上进行预训练

Shifeng Xie, Vasilii Feofanov, Ambroise Odonnat, Lei Zan, Marius Alonso, Jianfeng Zhang, Themis Palpanas, Lujia Pan, Keli Zhang, Ievgen Redko

机构 * Université Paris Cité（巴黎大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 CauKer通过生成因果一致的合成时间序列数据，实现对分类时间序列基础模型的样本高效预训练。

Comments This manuscript combines material from the ICML 2025 TSFM Workshop paper and the ICLR 2026 Main Track paper

Journal ref ICLR 2026 Oral

Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification

两步思考：通过自我 grounded 验证缓解 MLLM 的同意偏差

Moises Andrade, Joonhyuk Cha, Brandon Ho, Vriksha Srihari, Karmesh Yadav, Zsolt Kira

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出 SGV 方法，通过自我 grounded 验证缓解 MLLM 的同意偏差，提升验证准确性和任务完成率。

Comments ICLR 2026. Code, models, and data publicly available at https://mshalimay.github.io/agreement-bias-sgv/

RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks

RoboPARA: 双臂机器人任务并行规划的平行分配与重组

Shiying Duan, Pei Ren, Nanxiang Jiang, Zhengping Che, Jian Tang, Zhaoxin Fan, Yifan Sun, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学） 纠错

AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。

Comments Accepted to ICLR 2026