期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
通过将多视角重建网络缝合到视频生成器中实现文本到3D
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌）
AI总结 VIST3A通过将多视角重建网络缝合到视频生成器中，实现文本到3D生成，提升3D场景生成质量。
Comments ICLR 2026 (Oral), Project page: https://gohyojun15.github.io/VIST3A/
非渐近分析的符合化回归效率
AI总结 本文研究了符合化回归的非渐近效率界，通过SGD训练分位数和中位数回归，建立了预测集长度与理想区间的偏差界，揭示了不同误覆盖水平下的收敛率相变。
Comments Published as a conference paper at ICLR 2026
VidGuard-R1: 通过推理MLLMs和RL进行AI生成视频检测与解释
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院）
AI总结 VidGuard-R1通过推理MLLMs和强化学习，实现AI生成视频的高准确检测与可解释性分析。
Comments Accepted to ICLR 2026
超球面潜在变量改进连续令牌自回归生成
机构 * DP Technology（DP技术公司） ； Microsoft Research（微软研究院）
AI总结 SphereAR通过超球面约束解决自回归生成中的方差崩溃问题，在ImageNet生成中达到新的SOTA，超越了扩散和掩码生成模型。
Comments ICLR version
超越基准：语言模型推理能力的抗污染评估
AI总结 BeyondBench通过算法问题生成提供抗污染的推理评估，揭示语言模型在复杂任务中的推理缺陷。
Comments Accepted to ICLR 2026 Conference
BridgeDrive: 基于扩散桥的闭环轨迹规划扩散策略
机构 * Bosch (China) Investment Ltd（博世（中国）投资有限公司）
AI总结 BridgeDrive提出一种基于锚点的扩散桥策略，通过实时闭环轨迹规划提升自动驾驶的安全性和效率。
Comments Accepted for publication at ICLR 2026
TabStruct: 表格数据结构忠实性度量
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Télécom Paris, Institut Polytechnique de Paris（巴黎理工 Télécom Paris）
AI总结 TabStruct提出了一种新的评估框架，结合结构忠实性和传统评估维度，引入全局效用度量，提供对13个表格生成器的全面评估。
Comments Accepted by the Fourteenth International Conference on Learning Representations (ICLR 2026 Oral)
泛音：用于清洁、高效和灵活物理模拟器的循环补丁调制
机构 * University of Cambridge（剑桥大学） ； Flatiron Institute（Flatiron研究所） ； Polymathic AI（多维人工智能）
AI总结 Overtone通过动态补丁大小控制，在保持精度的同时提升计算效率，适用于复杂物理模拟场景。
Comments 48 pages, 24 Figures. For code, see https://github.com/payelmuk150/patch-modulator
Journal ref Published as a conference paper at ICLR 2026
可追溯证据增强的视觉 grounded 推理：评估与方法论
机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所模式识别新实验室，多模态人工智能系统国家重点实验室，中国科学院）
AI总结 TreeVGR 通过强化学习提升视觉 grounded 推理，实现更准确的定位与可解释的推理路径，验证了可追溯性对提升视觉推理能力的关键作用。
Comments ICLR 2026 Camera Ready Version
为何强化微调能更好地使大语言模型保留先验知识：从数据角度出发
机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心）
AI总结 本文通过数据视角揭示强化微调（RFT）相较于监督微调（SFT）在保留大语言模型先验知识方面的优势，发现RFT通过强化正确样本与基模型对齐，有效减少对先验知识的干扰。
Comments Accepted by ICLR 2026
InterActHuman: 多概念人类动画与布局对齐的音频条件
机构 * The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动）
AI总结 InterActHuman通过引入布局对齐的音频条件，实现多概念人类动画，支持多身份的精确控制与高质量视频生成。
Comments ICLR 2026 Camera Ready Version. TL;DR: The first multi-person dialogue video generation method from pairs of reference image and audio via explicit layout-aligned condition injection. Project page https://zhenzhiwang.github.io/interacthuman/
EDINET-Bench：利用日本财务报表评估大语言模型在复杂财务任务中的表现
机构 * Sakana AI ； Kyoto University（京都大学）
AI总结 EDINET-Bench通过日本财务报表评估大语言模型在复杂财务任务中的表现，揭示其在会计欺诈检测、盈利预测等任务中仍面临挑战，需更真实的模拟和推理支持。
Comments Accepted to ICLR 2026
连续思维链实现并行探索与推理
机构 * University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Google Research NYC（谷歌纽约研究）
AI总结 本文提出CoT2连续思维链方法，通过并行探索与推理提升模型性能，解决组合子集和问题并优化推理效率。
Comments ICLR 2026
VTool-R1: 通过在多模态工具使用上的强化学习使VLMs学会通过图像思考
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； Independent Researcher（独立研究者）
AI总结 VTool-R1通过强化学习训练视觉语言模型生成多模态思考链，提升其通过图像进行推理的能力。
Comments ICLR 2026
PhysLLM：利用大语言模型进行跨模态远程生理传感
机构 * Shenzhen University（深圳大学） ； Great Bay University（大鹏大学） ； National Engineering Laboratory for Big Data System Computing Technology（大数据系统计算技术国家工程实验室） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息技术重点实验室） ； Guangdong Medical University（广东医科大学） ； Southern Medical University (Dongguan People’s Hospital)（南方医科大学（东莞人民医院）） ； Macao Polytechnic University（澳门理工学院）
AI总结 PhysLLM通过结合大语言模型与领域特定的rPPG组件，利用跨模态学习提升远程生理传感的准确性和鲁棒性。
Comments Accepted by International Conference on Learning Representations (ICLR) 2026
解析人类对大语言模型的偏好：基于HUMAINE框架的民主意识评估
AI总结 HUMAINE框架通过多维、人口统计学意识的评估方法，揭示了人类对大语言模型的偏好差异，发现年龄是主要分歧轴，且不同评估维度的判别能力差异显著。
Comments Published as a conference paper at ICLR 2026. 21 pages, 11 figures. https://openreview.net/forum?id=kVaE2kYjtV
RoboCasa365：一种大规模仿真框架，用于训练和评估通用机器人
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究）
AI总结 RoboCasa365通过大规模仿真框架提供多样化任务和环境，用于训练和评估通用机器人，分析任务多样性、数据集规模和环境变化对泛化的影响。
Comments ICLR 2026; First three authors contributed equally
检索还是表示？重新评估多语言和视觉丰富的RAG基准差距
机构 * Parexel AI Labs（Parexel AI实验室）
AI总结 该研究通过系统分析发现，文档表示质量是多语言和视觉丰富RAG基准提升的主要因素，而非检索方法改进。
Comments ICLR 2026 Workshop I Can't Believe It's Not Better: Where Large Language Models Need to Improve
何时重新启动？探索逐步增加的重新启动
机构 * Ericsson Research, Ericsson AB, Sweden（爱立信研究, 爱立信公司, 瑞典） ； KTH Royal Institute of Technology, Stockholm, Sweden（皇家理工学院） ； RISE Research Institutes of Sweden, Stockholm, Sweden（瑞典RISE研究机构）
AI总结 本文提出SGD-ER方法，通过逐步增加学习率来提升深度学习模型的收敛性能和测试准确率。
Comments Paper accepted in Sci4DL workshop in ICLR 2026. https://openreview.net/forum?id=18Yf2KKIn0
Dual-Solver: 一种用于扩散模型的通用微分方程求解器，具有双预测功能
机构 * SteAI MODULABS ； Korea University（韩国大学）
AI总结 Dual-Solver通过可学习参数泛化多步采样器，提高扩散模型在低NFE下的生成质量。
Comments Published as a conference paper at ICLR 2026. 36 pages, 18 figures
Journal ref Published as a conference paper at ICLR 2026
从窄视场到全景视觉：基于注意力的冷启动重塑多模态推理
机构 * Tsinghua University（清华大学） ； University of South California（南加州大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； University of California San Diego（南加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出AVAR框架，通过视觉锚定与注意力引导提升多模态推理性能，实现7%的平均提升。
Comments ICLR 2026 Poster
长期测试时适应中何时何地重置的问题
机构 * Yonsei University（延世大学） ； ETRI（韩国电子技术研究院）
AI总结 本文提出了一种自适应选择性重置方案和重要性感知正则化器，以解决长期测试时适应中的模型崩溃问题，并通过实验验证了其有效性。
Comments ICLR 2026
为何不可学习的例子有效：互信息的新视角
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 本文提出了一种基于互信息减少的不可学习方法，通过减少类内特征协方差来有效阻碍深度学习模型的泛化能力。
Comments 32 pages, ICLR 2026
软质量-多样性优化
机构 * University of Southern California（南加州大学） ； Archimedes AI（阿基米德人工智能）
AI总结 本文提出软QD框架，通过避免离散化解决QD优化问题，推出SQUAD算法在高维问题中具有更好的可扩展性。
Comments Accepted at ICLR 2026
NeuCLIP: 通过神经归一化优化实现高效的大型CLIP训练
机构 * Texas A&M University（德克萨斯大学） ； National Taiwan University（台湾国立大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 NeuCLIP通过神经归一化优化提升CLIP模型训练效率与性能
Comments Accepted to 40th International Conference on Learning Representations. 32 pages, 5 figures
SpotIt: 通过形式验证评估文本到SQL
机构 * Amherst College（阿姆赫斯特学院） ； Simon Fraser University（西蒙弗雷泽大学） ； VMware Research by Broadcom（VMware由Broadcom进行的研究）
AI总结 SpotIt通过形式验证评估文本到SQL系统，发现基于测试的方法无法区分生成查询与地面真相的差异。
Comments Accepted at ICLR'26
隐式偏置：逐样本Adam在可分离数据上的表现：偏离全批量模式
机构 * Seoul National University（首尔国立大学） ； KAIST（韩国科学技术院）
AI总结 本研究揭示增量Adam在可分离数据上的隐式偏置偏离全批量行为，而Signum则保持不变。
Comments Published at ICLR 2026
标注高效通用诚实对齐
机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 EliCal通过两阶段框架实现高效标注的通用诚实对齐，仅需少量正确性标注即可达到接近最优的对齐效果。
Comments ICLR 2026
LadderSym: 一种用于音乐练习错误检测的多模态交错Transformer
机构 * Purdue University（普渡大学） ； Loyola University Chicago（芝加哥洛约拉大学）
AI总结 LadderSym通过双流编码器和多模态策略提升音乐练习错误检测的F1分数，显著提高遗漏和额外音符的识别准确率。
Comments Accepted to ICLR 2026
事实性至关重要：当图像生成与编辑遇见结构化视觉
机构 * CUHK MMLab（香港大学多模态实验室） ； Beihang University（北京航空航天大学） ； Krea AI（Krea人工智能） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Hugging Face ； National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） ； The University of Hong Kong（香港大学）
AI总结 本文提出了一种统一模型，通过整合视觉语言模型和FLUX.1 Kontext，提升结构化视觉生成与编辑的多模态理解与事实准确性。
Comments Accepted by ICLR 2026, Project page: https://structvisuals.github.io
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