ICLR

Unmasking Backdoors: An Explainable Defense via Gradient-Attention Anomaly Scoring for Pre-trained Language Models

揭示后门：通过梯度-注意力异常评分对预训练语言模型进行可解释防御

Anindya Sundar Das, Kangjie Chen, Monowar Bhuyan

机构 * Umeå University（乌梅学院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出通过梯度-注意力异常评分对预训练语言模型进行可解释防御，有效降低后门攻击成功率。

Comments 17 pages total (9 pages main text + 6 pages appendix + references), 16 figures. Preprint version; the final camera-ready version may differ. Accepted to ICLR 2026

MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation

MemoryVLA: 视觉-语言-动作模型中用于机器人操作的感知-认知记忆

Hao Shi, Bin Xie, Yingfei Liu, Lin Sun, Fengrong Liu, Tiancai Wang, Erjin Zhou, Haoqiang Fan, Xiangyu Zhang, Gao Huang

机构 * Department of Automation, BNRist, Tsinghua University（自动化系、BNRist、清华大学） ； Dexmal ； MEGVII Technology（MEGVII技术） ； Tianjin University（天津大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； StepFun 纠错

AI总结 MemoryVLA通过结合感知与认知记忆机制，提升机器人操作中长时间跨度任务的性能，实现对时间依赖任务的高效处理。

Comments ICLR 2026 | The project is available at https://shihao1895.github.io/MemoryVLA

LightRetriever: A LLM-based Text Retrieval Architecture with Extremely Faster Query Inference

LightRetriever: 一种基于大语言模型的文本检索架构，具有极快的查询推理速度

Guangyuan Ma, Yongliang Ma, Xuanrui Gou, Zhenpeng Su, Ming Zhou, Songlin Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Langboat Technology（兰舟科技） 纠错

AI总结 LightRetriever通过轻量级查询编码器显著提升检索效率，实现查询推理速度提升超1000倍，端到端吞吐量提升超10倍，且在多种任务中保持95%的检索性能。

Comments Accepted by ICLR 2026

Test-Time Mixture of World Models for Embodied Agents in Dynamic Environments

动态环境中具身智能体的测试时间世界模型混合

Jinwoo Jang, Minjong Yoo, Sihyung Yoon, Honguk Woo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Sungkyunkwan University（庆尚大学） 纠错

AI总结 TMoW通过测试时间更新路由函数，提升具身智能体在动态环境中的适应性与持续学习能力。

Comments Accepted at ICLR 2026. 10 pages. Code available at https://github.com/doldam0/tmow

Leveraging Data to Say No: Memory Augmented Plug-and-Play Selective Prediction

利用数据说不：基于记忆的插拔式选择预测

Aditya Sarkar, Yi Li, Jiacheng Cheng, Shlok Mishra, Nuno Vasconcelos

机构 * University of Maryland, College Park（马里兰大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Qualcomm AI（高通人工智能） ； Yale University（耶鲁大学） ； Meta AI 纠错

AI总结 本文提出基于记忆的插拔式选择预测方法，通过增强视觉语言嵌入来减少方差并改进分数校准，提升图像描述、匹配和细粒度分类性能。

Comments ICLR 2026

Exo-Plore: Exploring Exoskeleton Control Space through Human-aligned Simulation

Exo-Plore：通过与人类对齐的模拟探索外骨骼控制空间

Geonho Leem, Jaedong Lee, Jehee Lee, Seungmoon Song, Jungdam Won

机构 * Seoul National University（首尔国立大学） ； Holiday Robotics（假日机器人） ； Northeastern University（东北大学） 纠错

AI总结 Exo-Plore通过神经机械模拟与深度强化学习优化髋部外骨骼辅助，无需真实人类实验，生成逼真步态数据并推广至病理性步态。

Comments 10 pages, 9 figures, ICLR 2026 accepted

Token-Guard: Towards Token-Level Hallucination Control via Self-Checking Decoding

Token-Guard: 通过自检解码实现token级幻觉控制

Yifan Zhu, Huiqiang Rong, Haoran Luo

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 Token-Guard通过自检解码技术，实现对大型语言模型中token级幻觉的有效控制，提升生成准确性与输出可靠性。

Comments Accepted by ICLR 2026 main conference

Journal ref ICLR 2026

Mitigating the Safety Alignment Tax with Null-Space Constrained Policy Optimization

通过空域约束策略优化缓解安全对齐税

Yifan Niu, Han Xiao, Dongyi Liu, Nuo Chen, Jia Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 通过空域约束策略优化缓解安全对齐税，提出NSPO框架在保留LLM核心能力的同时提升安全性能。

Comments accepted by ICLR 2026

Omni-View: Unlocking How Generation Facilitates Understanding in Unified 3D Model based on Multiview images

Omni-View: 通过多视角图像解锁生成如何促进理解的统一3D模型

JiaKui Hu, Shanshan Zhao, Qing-Guo Chen, Xuerui Qiu, Jialun Liu, Zhao Xu, Weihua Luo, Kaifu Zhang, Yanye Lu

机构 * Institute of Medical Technology（医学技术研究所） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商务集团） ； CASIA ； TeleAI 纠错

AI总结 Omni-View通过多视角图像实现3D场景的理解与生成，结合纹理和几何模块，提升3D场景建模性能。

Comments Accepted by ICLR 2026

Dynamic Reflections: Probing Video Representations with Text Alignment

动态反射：通过文本对齐探测视频表示

Tyler Zhu, Tengda Han, Leonidas Guibas, Viorica Pătrăucean, Maks Ovsjanikov

机构 * Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本研究通过视频-文本表示对齐探索现代视频和语言编码器的能力，揭示了跨模态对齐与数据丰富性、语义对齐与性能相关性以及时间推理与对齐的关系。

Comments To appear at ICLR 2026. 27 pages, 12 figures

Don't Just Fine-tune the Agent, Tune the Environment

不要只微调智能体，而是微调环境

Siyuan Lu, Zechuan Wang, Hongxuan Zhang, Qintong Wu, Leilei Gan, Chenyi Zhuang, Jinjie Gu, Tao Lin

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出环境微调方法，通过结构化课程和环境增强，使智能体无需专家轨迹即可高效学习复杂行为，实现更稳健的泛化能力。

Comments ICLR 2026

PT$^2$-LLM: Post-Training Ternarization for Large Language Models

PT²-LLM：大语言模型的后训练三元化

Xianglong Yan, Chengzhu Bao, Zhiteng Li, Tianao Zhang, Kaicheng Yang, Haotong Qin, Ruobing Xie, Xingwu Sun, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； ETH Zürich（苏黎世联邦理工学院） ； Tencent Hunyuan（腾讯文言） 纠错

AI总结 PT²-LLM通过后训练三元化技术，在降低内存成本的同时提升大语言模型的推理速度和效率。

Comments Accepted at ICLR 2026

VideoNSA: Native Sparse Attention Scales Video Understanding

VideoNSA：原生稀疏注意力扩展视频理解

Enxin Song, Wenhao Chai, Shusheng Yang, Ethan Armand, Xiaojun Shan, Haiyang Xu, Jianwen Xie, Zhuowen Tu

AI总结 VideoNSA通过端到端训练提升视频理解，结合原生稀疏注意力实现长视频和时间推理的性能优化

Comments ICLR 2026

Incentives in Federated Learning with Heterogeneous Agents

在异质智能体中的联邦学习激励

Ariel D. Procaccia, Han Shao, Itai Shapira

AI总结 本文提出了一种基于博弈论的联邦学习激励机制，通过线性规划和 pay what you contribute 规则，实现策略证明和最小化合作成本。

Comments ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

Causal Imitation Learning under Expert-Observable and Expert-Unobservable Confounding

在专家可观测和专家不可观测混杂下的因果模仿学习

Daqian Shao, Thomas Kleine Buening, Marta Kwiatkowska

机构 * Department of Computer Science, University of Oxford, UK（计算机科学系，牛津大学） ； ETH Zurich, Switzerland（苏黎世联邦理工学院） 纠错

AI总结 本文提出DML-IL算法，通过工具变量回归解决因果模仿学习中的隐藏混杂问题，并在连续状态-动作环境中优于现有基线方法。

Comments Proceedings of the International Conference on Learning Representations (ICLR) 2026

PI-Light: Physics-Inspired Diffusion for Full-Image Relighting

PI-Light：基于物理的扩散用于全图像重照明

Zhexin Liang, Zhaoxi Chen, Yongwei Chen, Tianyi Wei, Tengfei Wang, Xingang Pan

AI总结 PI-Light通过结合物理引导的神经渲染模块和基于物理的损失函数，提升全图像重照明的泛化能力与现实场景适应性。

Comments Accepted at ICLR 2026

RefAny3D: 3D Asset-Referenced Diffusion Models for Image Generation

RefAny3D: 3D资产参考扩散模型用于图像生成

Hanzhuo Huang, Qingyang Bao, Zekai Gu, Zhongshuo Du, Cheng Lin, Yuan Liu, Sibei Yang

机构 * ShanghaiTech University（上海科技大学） ； Sun Yat-sen University（中山大学） ； University of Toronto（多伦多大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； SynWorld ； Macau University of Science and Technology（澳门科学理工学院） 纠错

AI总结 RefAny3D通过整合3D资产，提出一种双分支扩散模型，实现2D图像与3D资产的协同生成，提升图像生成的精确性和多样性。

Comments ICLR 2026. Project page: https://judgementh.github.io/RefAny3D Codes: https://github.com/JudgementH/RefAny3D

Exploring Diverse Generation Paths via Inference-time Stiefel Activation Steering

通过推理时间的Stiefel激活引导探索多样生成路径

Dongxuan Zhu, Ly Tran Ho Khanh, Andy Yat-Ming Cheung, Man-Chung Yue, Viet Anh Nguyen

机构 * The Chinese University of Hong Kong（香港中文大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 STARS通过在推理时间利用Stiefel流形优化，提升语言模型生成路径的多样性，无需训练并在多个基准中表现更优。

Comments 34 pages, 2 figures. Accepted for publication at ICLR 2026

ToolWeaver: Weaving Collaborative Semantics for Scalable Tool Use in Large Language Models

ToolWeaver: 为大语言模型中的可扩展工具使用编织协作语义

Bowen Fang, Wen Ye, Yunyue Su, Jinghao Zhang, Qiang Liu, Yesheng Liu, Xin Sun, Shu Wu, Jiabing Yang, Baole Wei, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA)（模式识别新实验室（NLPR），自动化研究所，中国科学院（CASIA）） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究所） 纠错

AI总结 ToolWeaver通过编码工具为层次序列，解决大语言模型中工具使用中的语义和可扩展性问题，提升工具协作学习的效率与效果。

Comments 10pages, 12 figures, Accepted to ICLR 2026

Perturbation-Induced Linearization: Constructing Unlearnable Data with Solely Linear Classifiers

扰动诱导线性化：仅使用线性分类器构造不可学习数据

Jinlin Liu, Wei Chen, Xiaojin Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出PIL方法，利用线性分类器生成扰动，以高效构建不可学习数据，减少计算成本并提升数据保护效果。

Comments This paper has been accepted to ICLR 2026

Near-Optimal Online Deployment and Routing for Streaming LLMs

面向流式LLM的近优在线部署与路由

Shaoang Li, Jian Li

机构 * Stony Brook University（史泰森布鲁克大学） 纠错

AI总结 StageRoute算法通过优化部署和路由策略，在流式LLM管理中实现近最优的并发和成本控制。

Comments ICLR 2026

Evaluating Text Creativity across Diverse Domains: A Dataset and Large Language Model Evaluator

在不同领域评估文本创造力：一个数据集和大语言模型评估器

Qian Cao, Xiting Wang, Yuzhuo Yuan, Yahui Liu, Fang Luo, Ruihua Song

机构 * Renmin University of China（中国人民大学） ； Beijing Normal University（北京师范大学） ； Kuaishou Technology（快手科技） 纠错

AI总结 本文提出了一种基于CreataSet数据集的CrEval评估器，通过结合人类和合成数据提升大语言模型的创造力评估效果。

Comments Accepted by ICLR 2026

FreqKV: Key-Value Compression in Frequency Domain for Context Window Extension

FreqKV: 频域中的键值压缩用于上下文窗口扩展

Jushi Kai, Yixuan Wang, Boyi Zeng, Haoli Bai, Bo Jiang, Ziwei He, Zhouhan Lin

机构 * LUMIA Lab, Shanghai Jiao Tong University（上海交通大学LUMIA实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 FreqKV通过频域键值压缩技术，实现长上下文处理，使LLaMA-2-7B的上下文窗口扩展至256K个令牌，同时保持稳定的困惑度。

Comments ICLR 2026

Why Attention Patterns Exist: A Unifying Temporal Perspective Analysis

为何存在注意力模式：一种统一的时间视角分析

Qingyue Yang, Jie Wang, Xing Li, Yinqi Bai, Xialiang Tong, Huiling Zhen, Jianye Hao, Mingxuan Yuan, Bin Li

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教育部重点实验室，中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） 纠错

AI总结 本文提出TAPPA框架，从时间连续性角度分析注意力模式，揭示其可预测性与查询自相似性关系，并通过KV缓存压缩和剪枝任务验证其有效性。

Comments ICLR 2026

Gauge-invariant representation holonomy

规范不变的表示形变

Vasileios Sevetlidis, George Pavlidis

机构 * Athena RC Democritus University of Thrace Xanthi（阿塔尼亚RC德摩根大学特拉奇分校） ； Athena RC University Campus Kimmeria Xanthi（阿塔尼亚RC大学校园基米里亚分校） 纠错

AI总结 本文提出表示形变，一种规范不变的统计量，用于衡量深度学习中表示的路径依赖性，通过几何结构分析提升模型的鲁棒性与泛化能力。

Comments 14th International Conference on Learning Representations (ICLR)

CORDS: Continuous Representations of Discrete Structures

CORDS：离散结构的连续表示

Tin Hadži Veljković, Erik Bekkers, Michael Tiemann, Jan-Willem van de Meent

机构 * UvA-Bosch Delta Lab University of Amsterdam（乌得勒支大学-博世Delta实验室大学阿姆斯特丹） ； AMLab University of Amsterdam（AMLab大学阿姆斯特丹） ； Tübingen AI Center Eberhard Karls Universität Tübingen（图宾根人工智能中心图宾根大学） 纠错

AI总结 CORDS通过将可变大小集合预测转化为连续推断问题，提供了一种可逆映射，实现对离散结构的连续表示，从而在多个任务中展示了处理未知集合大小的鲁棒性和准确性。

Comments Preprint, accepted at ICLR 2026

Optimal Transport-Induced Samples against Out-of-Distribution Overconfidence

最优传输诱导的对抗性样本对抗分布外过度自信

Keke Tang, Ziyong Du, Xiaofei Wang, Weilong Peng, Peican Zhu, Zhihong Tian

机构 * Guangzhou University（广州大学） ； SmartMore Corporation（SmartMore公司） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） ； Guangdong Key Laboratory of Industrial Control System Security（广东工业控制系统安全重点实验室） 纠错

AI总结 本文提出通过最优传输诱导的边界生成分布外样本，以缓解模型在不确定区域的过度自信预测问题。

Comments Accepted by ICLR 2026

Grounding and Enhancing Informativeness and Utility in Dataset Distillation

基于信息性和效用的蒸馏数据集 grounding

Shaobo Wang, Yantai Yang, Guo Chen, Peiru Li, Kaixin Li, Yufa Zhou, Zhaorun Chen, Linfeng Zhang

机构 * EPIC Lab, SJTU（SJTU实验室） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Duke University（杜克大学） ； The University of Chicago（芝加哥大学） 纠错

AI总结 本文提出InfoUtil框架，通过博弈论和梯度范数优化，提升数据集蒸馏的信息性和效用，实验显示在ImageNet-1K上性能提升6.1%。

Comments Accepted by ICLR 2026, 20 pages, 9 figures, 11 tables

PTQ4ARVG: Post-Training Quantization for AutoRegressive Visual Generation Models

PTQ4ARVG：后训练量化用于自回归视觉生成模型

Xuewen Liu, Zhikai Li, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 PTQ4ARVG提出一种无需训练的后训练量化框架，解决ARVG模型在通道、令牌和样本层面的量化难题，实现8位和6位高效量化。

Comments ICLR 2026

A Federated Generalized Expectation-Maximization Algorithm for Mixture Models with an Unknown Number of Components

一种用于具有未知组件数的混合模型的联邦广义期望最大化算法

Michael Ibrahim, Nagi Gebraeel, Weijun Xie

机构 * H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出FedGEM算法，用于在未知组件数情况下训练混合模型，通过本地EM步骤和不确定性集推断全局聚类数，实验证明其性能优于现有联邦聚类方法。

Comments 49 Pages, Accepted at ICLR 2026