Optimizer choice matters for the emergence of Neural Collapse
优化器选择对神经崩溃的出现至关重要
AI总结 本文研究了优化器选择对神经崩溃（NC）出现的影响，提出NC0指标证明解耦权重衰减抑制NC，并展示了动量对NC的加速作用。
Comments Published as a conference paper at ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
DenseGRPO: From Sparse to Dense Reward for Flow Matching Model Alignment
DenseGRPO：从稀疏到密集奖励用于流匹配模型对齐
机构 * Tongyi Lab, Alibaba Group（阿里集团通义实验室）
AI总结 DenseGRPO通过引入密集奖励机制，解决流匹配模型中稀疏奖励导致的反馈与贡献不匹配问题，提升文本到图像生成的人类偏好对齐效果。
Comments Accepted by ICLR 2026
RebuttalAgent: Strategic Persuasion in Academic Rebuttal via Theory of Mind
反驳代理：通过心理理论实现学术反驳的战略说服
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 RebuttalAgent通过心理理论框架实现学术反驳的战略说服，利用训练数据和强化学习提升反驳效果，显著优于现有模型。
Comments Accepted by ICLR 2026
In-Context Algebra
上下文中的代数
机构 * Northeastern University（东北大学） ； TU Clausthal（图鲁姆大学）
AI总结 本研究探讨了transformer在上下文代数任务中学习的机制，发现模型能通过动态变量分配实现符号推理。
Comments ICLR 2026. 35 pages, 22 figures. Code and data at https://algebra.baulab.info
Robust Preference Alignment via Directional Neighborhood Consensus
通过方向邻域共识实现鲁棒偏好对齐
AI总结 通过方向邻域共识实现鲁棒偏好对齐，提升模型在多样化偏好下的稳定性与可靠性。
Comments Accepted to ICLR 2026
Rethinking Consistent Multi-Label Classification Under Inexact Supervision
重新思考在不精确监督下的一致多标签分类
机构 * RIKEN, Japan（日本RIKEN） ； The University of Tokyo, Japan（东京大学）
AI总结 本文提出了一种不依赖传统假设的一致多标签分类方法，通过两种风险估计器统一处理部分和互补多标签学习问题，并在多个数据集上验证了其有效性。
Comments ICLR 2026
Beyond RAG vs. Long-Context: Learning Distraction-Aware Retrieval for Efficient Knowledge Grounding
超越RAG与长上下文：学习抗干扰检索以实现高效的知识 grounding
机构 * Korea University, Decision Making Lab（韩国大学，决策实验室） ； LG CNS
AI总结 本文提出LDAR方法，通过学习抗干扰检索提升知识 grounding 的效率与性能。
Comments Accepted at ICLR 2026
LoRA-Edit: Controllable First-Frame-Guided Video Editing via Mask-Aware LoRA Fine-Tuning
LoRA-Edit: 通过掩码感知LoRA微调实现可控的第一帧引导视频编辑
机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； SenseTime Research（商汤科技研究院）
AI总结 LoRA-Edit通过时空掩码引导LoRA微调，实现对视频编辑全过程的可控编辑，支持生成动态变化的视频内容。
Comments ICLR 2026
Resisting Contextual Interference in RAG via Parametric-Knowledge Reinforcement
通过参数知识强化来抵御RAG中的上下文干扰
机构 * Baidu Inc.（百度公司） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 Knowledgeable-R1通过参数知识强化提升RAG在知识冲突和一般场景中的鲁棒性与推理准确性，反事实场景中表现优于现有基线。
Comments Accepted to ICLR 2026
ArtVIP: Articulated Digital Assets of Visual Realism, Modular Interaction, and Physical Fidelity for Robot Learning
ArtVIP: 具象化数字资产、模块化交互与物理真实性的机器人学习
机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Beijing Institute of Architectural Design（北京建筑设计研究院）
AI总结 ArtVIP通过高真实感的数字资产和模块化交互行为，提升机器人学习的仿真与现实桥梁，推动强化学习和模仿学习实验的应用
Journal ref The International Conference on Learning Representations (ICLR) 2026
TRACE: Your Diffusion Model is Secretly an Instance Edge Detector
TRACE：你的扩散模型实际上是一个实例边缘检测器
机构 * OGQ, Seoul, Korea（韩国首尔OGQ） ； Seoul National University, Seoul, Korea（韩国首尔国立大学）
AI总结 TRACE通过扩散模型的实例边缘检测技术，在无监督和弱监督分割中实现更高效和精确的边界生成。
Comments Accepted to ICLR 2026 (Oral)
Dynamic Multimodal Activation Steering for Hallucination Mitigation in Large Vision-Language Models
动态多模态激活引导用于大型视觉-语言模型中的幻觉缓解
机构 * East China Normal University（华东师范大学）
AI总结 本文提出动态多模态激活引导方法，通过构建语义真实性引导向量数据库，实现幻觉缓解，提升模型性能。
Comments Accepted by ICLR 2026
Primary-Fine Decoupling for Action Generation in Robotic Imitation
动作生成中的主-细分离
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知国家重点实验室，中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心）
AI总结 PF-DAG通过两阶段框架实现动作生成中的主-细分离，提升机器人模仿学习的多模态建模与闭环控制性能。
Comments The Fourteenth International Conference on Learning Representations (ICLR), 2026
A Hidden Semantic Bottleneck in Conditional Embeddings of Diffusion Transformers
扩散变换器条件嵌入中的隐藏语义瓶颈
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 研究揭示扩散变换器条件嵌入中的语义瓶颈，发现语义信息集中于少量维度，通过剪枝提升生成质量。
Comments Accepted to ICLR 2026
Learning Recursive Multi-Scale Representations for Irregular Multivariate Time Series Forecasting
学习递归多尺度表示以进行不规则多变量时间序列预测
机构 * School of Computer Science and Engineering, South China University of Technology（计算机科学与工程学院，华南理工大学）
AI总结 ReIMTS通过递归多尺度建模方法，无需重采样即可提升不规则多变量时间序列预测的准确性。
Comments Accepted in ICLR 2026
Enhancing Multi-Image Understanding through Delimiter Token Scaling
通过分隔符标记扩展提升多图像理解
AI总结 通过扩展分隔符标记的隐藏状态，提升多图像理解性能，有效减少跨图像信息泄露，提高模型区分和推理能力。
Comments Accepted at ICLR 2026
ATLAS: Adaptive Transfer Scaling Laws for Multilingual Pretraining, Finetuning, and Decoding the Curse of Multilinguality
ATLAS：适应性迁移缩放定律用于多语言预训练、微调和解码的多语言诅咒
机构 * MIT（麻省理工学院） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Google Cloud AI（谷歌云人工智能） ； Google DeepMind（谷歌DeepMind）
AI总结 ATLAS提出了一种适应性迁移缩放定律，用于多语言预训练、微调和解码，解决了多语言学习中的性能瓶颈和计算优化问题。
Comments Published as a conference paper at ICLR 2026
MoMaGen: Generating Demonstrations under Soft and Hard Constraints for Multi-Step Bimanual Mobile Manipulation
MoMaGen: 为多步双臂移动操作生成演示数据以满足软约束和硬约束
机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊公司）
AI总结 MoMaGen通过解决双臂移动操作中的可达性和可见性问题，生成多样化数据集以提升模仿学习策略的训练效果。
Comments Project website: momagen.github.io. The first four authors contribute equally. Accpeted to International Conference on Learning Representations (ICLR 2026)
SPACeR: Self-Play Anchoring with Centralized Reference Models
SPACeR：基于集中参考模型的自我对战锚定
机构 * Applied Intuition ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； Stanford University（斯坦福大学）
AI总结 SPACeR通过集中参考模型指导自我对战，实现高效、可扩展的自动驾驶策略生成。
Comments Accepted at ICLR 2026. Project page: https://spacer-ai.github.io/
Embedding-Based Context-Aware Reranker
基于嵌入的上下文感知重排序器
机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； RBC Borealis
AI总结 本文提出EBCAR，一种基于嵌入的上下文感知重排序器，通过增强跨段落理解提升信息检索的准确性和效率。
Comments Accepted by ICLR 2026
SciTS: Scientific Time Series Understanding and Generation with LLMs
SciTS: 基于大语言模型的科学时间序列理解与生成
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 SciTS提出了一种基于LLM的科学时间序列理解与生成框架，通过基准测试发现通用LLM在泛化能力上优于专门模型，并引入TimeOmni框架提升性能。
Comments Accepted to ICLR 2026
FlexiCodec: A Dynamic Neural Audio Codec for Low Frame Rates
FlexiCodec: 一种用于低帧率的动态神经音频编解码器
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； City University of Macau（澳门城市大学） ； Amphion Technology Co., Ltd.（Amphion科技有限公司）
AI总结 FlexiCodec通过动态帧率方法和双流编码架构，提升低帧率下的语义保留和音频重建质量。
Comments Accepted to ICLR 2026
Incentive-Aligned Multi-Source LLM Summaries
对齐激励的多源大语言模型摘要
机构 * Harvard University（哈佛大学） ； Google Research（谷歌研究）
AI总结 本文提出TTS框架，通过激励对齐提升多源摘要的事实准确性与稳健性，同时保持流畅性。
Comments Accepted at ICLR 2026
Uncovering Grounding IDs: How External Cues Shape Multimodal Binding
揭示地面ID：外部线索如何塑造多模态绑定
AI总结 本文提出地面ID概念，揭示外部线索通过增强多模态绑定的注意力机制，提升跨模态定位精度并减少幻觉。
Comments Under review as a conference paper at ICLR 2026
Training Deep Normalization-Free Spiking Neural Networks with Lateral Inhibition
训练具有横向抑制的深度无归一化脉冲神经网络
AI总结 本文提出无归一化学习框架，利用横向抑制训练深度SNNs，实现生物现实性与稳定训练的平衡。
Comments Accepted by ICLR 2026
JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation
JanusVLN: 通过双隐式记忆解耦语义与空间性用于视觉-语言导航
机构 * Xi’an Jiaotong University（西安交通大学） ； Amap, Alibaba Group（阿里巴巴集团）
AI总结 JanusVLN通过双隐式记忆解耦语义与空间性，提升视觉-语言导航的性能和效率。
Comments Accepted to ICLR 2026. Project page: https://miv-xjtu.github.io/JanusVLN.github.io/
Error Notebook-Guided, Training-Free Part Retrieval in 3D CAD Assemblies via Vision-Language Models
通过视觉-语言模型实现无训练的3DCAD装配体部件检索：基于错误笔记本的引导
机构 * Fujitsu Research & Development Center Shanghai, China（富士通研发中心上海）
AI总结 本研究提出一种无训练的3D CAD部件检索方法，通过结合错误笔记本与RAG技术，显著提升基于VLM的推理性能，实验显示在专有模型和开源模型上均取得显著效果。
Comments Accepted by ICLR 2026
Flow-Based Single-Step Completion for Efficient and Expressive Policy Learning
基于流的单步完成：用于高效且表达性的策略学习
机构 * Iowa State University（爱荷华州立大学）
AI总结 SSCP是一种基于流的单步完成策略，通过增强的流匹配目标实现高效且表达性的策略学习，适用于多种RL场景。
Comments ICLR 2026
When Style Breaks Safety: Defending LLMs Against Superficial Style Alignment
当风格破坏安全性：防御大语言模型对抗浅层风格对齐
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究探讨了风格对齐对大语言模型安全性的影响，提出 SafeStyle 防御策略有效缓解了浅层风格对齐带来的风险。
Comments Accepted by ICLR 2026
InftyThink: Breaking the Length Limits of Long-Context Reasoning in Large Language Models
InftyThink: 突破大型语言模型长上下文推理的长度限制
机构 * Zhejiang University（浙江大学） ； Meituan Group（美团集团） ； Peking University（北京大学）
AI总结 InftyThink通过迭代推理与中间摘要机制，突破大型语言模型长上下文推理的长度限制，提升推理深度与效率。
Comments ICLR 2026: https://openreview.net/forum?id=T1h5em349L Project Page: https://zju-real.github.io/InftyThink Code: https://github.com/ZJU-REAL/InftyThink
