Posts

ICLR 2026 - 序列解耦 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 DiffSDA: Unsupervised Diffusion Sequential Disentanglement A 8.0分 前25% 📋 论文详情 🥇 DiffSDA: Unsupervised Diffusion Sequential Disentanglement Across Modalities 🔥 8.0/10 | 前25% | #序列解耦 | #扩散模型 | #自监督学习 #多模态模型 👥 作者与机构 第一作者：Hedi Zisling (Ben-Gurion University) 通讯作者：Omri Azencot (Ben-Gurion University) 作者列表：Hedi Zisling (Ben-Gurion University)、Ilan Naiman (Ben-Gurion University)、Nimrod Berman (Ben-Gurion University)、Supasorn Suwajanakorn (VISTEC)、Omri Azencot (Ben-Gurion University) 💡 毒舌点评 ...

ICLR 2026 - 数据集 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 SpeakerVid-5M: A Large-Scale High-Quality Dataset for Audio- 8.5分 前25% 📋 论文详情 🥇 SpeakerVid-5M: A Large-Scale High-Quality Dataset for Audio-Visual Dyadic Interactive Human Generation 🔥 8.5/10 | 前25% | #数据集 | #自回归模型 | #音视频 #音频生成 👥 作者与机构 第一作者：Youliang Zhang（清华大学、StepFun） 通讯作者：Xiu Li（清华大学深圳国际研究生院） 作者列表： Youliang Zhang（清华大学、StepFun） Zhaoyang Li（StepFun） Duomin Wang（StepFun，共同第一作者/责任作者†） Jiahe Zhang（未说明具体机构） Deyu Zhou（香港科技大学（广州）、StepFun） Zixin Yin（香港科技大学、StepFun） Xili Dai（StepFun） Gang Yu（StepFun） Xiu Li（清华大学深圳国际研究生院‡） 💡 毒舌点评 ...

ICLR 2026 - 机器人操作 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 RoboOmni: Proactive Robot Manipulation in Omni-modal Context 7.5分 前25% 📋 论文详情 🥇 RoboOmni: Proactive Robot Manipulation in Omni-modal Context ✅ 7.5/10 | 前25% | #机器人操作 | #端到端 | #多模态模型 #数据集 👥 作者与机构 第一作者：Siyin Wang（复旦大学、上海创新研究院） 通讯作者：Jinlan Fu（未说明具体机构，对应邮箱jinlanjonna@gmail.com），Xipeng Qiu（复旦大学、上海创新研究院） 作者列表： Siyin Wang（复旦大学、上海创新研究院） Jinlan Fu（国家大学新加坡） Feihong Liu（复旦大学） Xinzhe He（复旦大学） Huangxuan Wu（复旦大学） Junhao Shi（复旦大学、上海创新研究院） Kexin Huang（复旦大学） Zhaoye Fei（复旦大学） Jingjing Gong（上海创新研究院） Zuxuan Wu（复旦大学、上海创新研究院） Yu-Gang Jiang（复旦大学） See-Kiong Ng（国家大学新加坡） Tat-Seng Chua（国家大学新加坡） Xipeng Qiu（复旦大学、上海创新研究院） 💡 毒舌点评 ...

ICLR 2026 - 模型可解释性 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 The Deleuzian Representation Hypothesis 8.5分 前25% 📋 论文详情 🥇 The Deleuzian Representation Hypothesis 🔥 8.5/10 | 前25% | #模型可解释性 | #概念提取 | #对比学习 #自监督学习 👥 作者与机构 第一作者：Clément Cornet (Université Paris-Saclay, CEA, List) 通讯作者：Clément Cornet (论文未明确标注通讯作者，根据单位信息推断) 作者列表：Clément Cornet (Université Paris-Saclay, CEA, List)、Romaric Besançon (Université Paris-Saclay, CEA, List)、Hervé Le Borgne (Université Paris-Saclay, CEA, List) 💡 毒舌点评 ...

ICLR 2026 - 模型比较 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 OptMerge: Unifying Multimodal LLM Capabilities and Modalitie 7.0分 前25% 📋 论文详情 🥇 OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging ✅ 7.0/10 | 前25% | #模型比较 | #迁移学习 | #多模态模型 #模型评估 👥 作者与机构 第一作者：Yongxian Wei (清华大学) 通讯作者：Chun Yuan (清华大学) 作者列表：Yongxian Wei (清华大学)， Runxi Cheng (清华大学)， Weike Jin (华为诺亚方舟实验室)， Enneng Yang (中山大学)， Li Shen (中山大学)， Lu Hou (华为诺亚方舟实验室)， Sinan Du (清华大学)， Chun Yuan (清华大学)， Xiaochun Cao (中山大学)， Dacheng Tao (南洋理工大学) 💡 毒舌点评 ...

ICLR 2026 - 模型评估 共 2 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 VoxPrivacy: A Benchmark for Evaluating Interactional Privacy 9.5分 前10% 🥈 MAPSS: Manifold-based Assessment of Perceptual Source Separa 8.5分 前25% 📋 论文详情 🥇 VoxPrivacy: A Benchmark for Evaluating Interactional Privacy of Speech Language Models 🔥 9.5/10 | 前10% | #模型评估 | #基准测试 | #语音大模型 #数据集 👥 作者与机构 第一作者：Yuxiang Wang（香港中文大学（深圳）） 通讯作者：未明确说明（根据惯例和贡献推断，Zhizheng Wu可能性较大） 作者列表：Yuxiang Wang¹, Hongyu Liu¹, Dekun Chen¹, Xueyao Zhang¹, Zhizheng Wu¹,²,³,⁴ ¹ 香港中文大学（深圳） ² 深圳大数据研究院 ³ 澳门城市大学 ⁴ Amphion Technology Co., Ltd.（星尘智能科技有限公司） 💡 毒舌点评 ...

ICLR 2026 - 生态计算 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 MIAM: Modality Imbalance-Aware Masking for Multimodal Ecolog 8.5分 前25% 📋 论文详情 🥇 MIAM: Modality Imbalance-Aware Masking for Multimodal Ecological Applications 🔥 8.5/10 | 前25% | #生态计算 | #数据增强 | #多模态模型 #鲁棒性 👥 作者与机构 第一作者：Robin Zbinden（洛桑联邦理工学院，EPFL） 通讯作者：Robin Zbinden（robin.zbinden@epfl.ch，洛桑联邦理工学院，EPFL） 作者列表： Robin Zbinden（洛桑联邦理工学院，EPFL，*共同第一作者） Wesley Monteith-Finas（洛桑联邦理工学院，EPFL，*共同第一作者） Gencer Sumbul（洛桑联邦理工学院，EPFL） Nina van Tiel（洛桑联邦理工学院，EPFL） Chiara Vanalli（洛桑联邦理工学院，EPFL） Devis Tuia（洛桑联邦理工学院，EPFL） 💡 毒舌点评 ...

ICLR 2026 - 生成模型 共 2 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 DiVeQ: Differentiable Vector Quantization Using the Reparame 8.0分 前25% 🥈 AUHead: Realistic Emotional Talking Head Generation via Acti 7.5分 前25% 📋 论文详情 🥇 DiVeQ: Differentiable Vector Quantization Using the Reparameterization Trick 🔥 8.0/10 | 前25% | #生成模型 | #向量量化 | #图像生成 #语音编码 👥 作者与机构 第一作者：Mohammad Hassan Vali（ELLIS Institute Finland & Department of Computer Science, Aalto University, Finland） 通讯作者：未明确说明（论文提供了三位作者的共同邮箱，未指定单独通讯作者） 作者列表：Mohammad Hassan Vali（ELLIS Institute Finland & Department of Computer Science, Aalto University, Finland）、Tom Bäckström（Department of Information and Communications Engineering, Aalto University, Finland）、Arno Solin（ELLIS Institute Finland & Department of Computer Science, Aalto University, Finland） 💡 毒舌点评 ...

ICLR 2026 - 生物声学 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 AVEX: What Matters for Animal Vocalization Encoding 7.0分 前25% 📋 论文详情 🥇 AVEX: What Matters for Animal Vocalization Encoding ✅ 7.0/10 | 前25% | #生物声学 | #预训练 | #自监督学习 #模型比较 👥 作者与机构 第一作者：Marius Miron（Earth Species Project），David Robinson（Earth Species Project）（共同贡献） 通讯作者：Marius Miron, David Robinson（Earth Species Project） 作者列表：Marius Miron（Earth Species Project），David Robinson（Earth Species Project），Milad Alizadeh（Earth Species Project），Ellen Gilsenan-McMahon（Earth Species Project），Gagan Narula（Earth Species Project），Emmanuel Chemla（Earth Species Project），Maddie Cusimano（Earth Species Project），Felix Effenberger（Earth Species Project），Masato Hagiwara（Earth Species Project），Benjamin Hoffman（Earth Species Project），Sara Keen（Earth Species Project），Diane Kim（Earth Species Project），Jane Lawton（Earth Species Project），Jen-Yu Liu（Earth Species Project），Aza Raskin（Earth Species Project），Olivier Pietquin（Earth Species Project），Matthieu Geist（Earth Species Project）。 💡 毒舌点评 ...

ICLR 2026 - 神经网络架构 共 1 篇论文 ← 返回 ICLR 2026 总览 排名 论文 评分 分档 🥇 Deep Learning with Learnable Product-Structured Activations 8.0分 前10% 📋 论文详情 🥇 Deep Learning with Learnable Product-Structured Activations 🔥 8.0/10 | 前10% | #神经网络架构 | #神经网络架构 | #隐式神经表示 #深度学习理论 👥 作者与机构 第一作者：Saanjali Maharaj（University of Toronto） 通讯作者：Prasanth B. Nair（University of Toronto） 作者列表：Saanjali Maharaj（University of Toronto）、Prasanth B. Nair（University of Toronto） 💡 毒舌点评 亮点在于LRNN架构将低秩函数分解思想巧妙地引入深度学习，其理论分析严谨（证明了通用逼近和维度诅咒缓解），并且实验设计得极为全面，从ImageNet图像到PDE求解，几乎“打穿”了隐式表示领域的主流基准。短板则是，尽管架构思想优美，但其每个“神经元”内部实际嵌套了一个小型MLP（用于参数化一元函数），这无疑显著增加了计算复杂度和训练时间，论文在性能与效率的权衡上讨论稍显不足，可能限制其在大规模实时应用中的部署。 🔗 开源详情 代码：论文明确提供了公开的代码仓库链接：https://github.com/dacelab/lrnn。 模型权重：论文中未提及公开预训练模型权重。 数据集：使用了公开的数据集（ImageNet, DIV2K, GTZAN, LibriSpeech等），但论文中未说明是否提供处理后的特定任务数据集。 Demo：论文中未提及在线演示。 复现材料：论文提供了极其详尽的复现信息，包括： 所有实验的具体超参数设置（学习率、调度器、模型尺寸等）。 架构的实现细节（如组件MLP的结构、LayerNorm的使用、方差控制缩放）。 各类消融研究的设计和结果。 训练硬件信息（单张RTX 4090 GPU）。 论文中引用的开源项目：论文依赖并对比了多个开源基准模型，包括SIREN、SPDER、WIRE、Gaussian Activated Networks等的官方实现。其实现基于PyTorch框架。 📌 核心摘要 ...