📡 信号/通信¶
🔬 ICLR2026 · 8 篇论文解读
📌 同领域跨会议浏览： 💬 ACL2026 (3) · 📷 CVPR2026 (5) · 🤖 AAAI2026 (3) · 🧠 NeurIPS2025 (13) · 📹 ICCV2025 (3) · 🧪 ICML2025 (6)
- Deterministic Bounds and Random Estimates of Metric Tensors on Neuromanifolds
-
本文通过分析低维概率分布核空间的Fisher信息矩阵(FIM)谱性质，为神经网络参数空间(神经流形)上的度量张量建立了确定性上下界，并基于Hutchinson迹估计器引入了一族有界方差的无偏随机估计方法，仅需单次反向传播即可高效计算。
- FASA: Frequency-Aware Sparse Attention
-
本文发现RoPE中频率块（FC）级别的功能稀疏性——少数"主导FC"可有效预测token重要性，据此提出FASA框架，通过主导FC预估token重要性+聚焦注意力计算两阶段实现无训练的KV缓存压缩，在LongBench上仅保留256个token接近100%全KV性能，AIME24上用18.9%缓存实现2.56×加速。
- Group Representational Position Encoding (GRAPE)
-
提出 GRAPE 框架，基于群作用（group actions）统一了 Transformer 中乘法型（RoPE）和加法型（ALiBi/FoX）两大位置编码家族，证明 RoPE 和 ALiBi 是其精确特例，并提出路径积分加法变体 GRAPE-AP 在下游任务上超越现有方法。
- Learning Molecular Chirality via Chiral Determinant Kernels
-
提出手性行列式核(ChiDeK)来编码 SE(3) 不变的手性矩阵，首次在 GNN 框架中统一处理中心手性和轴向手性，结合交叉注意力传播立体化学信息，在新构建的轴向手性基准上准确率提升 >7%。
- Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies
-
提出Multi-Agent System Search（MASS）框架，通过交错优化提示词和拓扑结构的三阶段策略（局部提示优化→拓扑搜索→全局提示优化），自动发现高性能的多智能体系统设计。
- Multi-modal Data Spectrum: Multi-modal Datasets are Multi-dimensional
-
通过大规模实证研究量化23个VQA基准中的模态内依赖和模态间依赖，揭示多数基准存在严重的单模态捷径，且消除文本偏差往往引入图像偏差，为多模态基准设计提供定量评估框架。
- Robust Preference Alignment via Directional Neighborhood Consensus
-
提出Robust Preference Selection (RPS)，一种无需重训练的推理时偏好对齐增强方法，通过从目标偏好的局部邻域采样多个候选方向并生成响应、再根据原始偏好选择最优响应，在OOD偏好上相比基线达到最高69%的胜率。
- Spectrum Tuning: Post-Training for Distributional Coverage and In-Context Steerability
-
提出Spectrum Tuning后训练方法，通过在90+任务的分布拟合数据集上训练，改善语言模型的上下文可操控性、输出空间覆盖度和分布对齐能力，揭示当前指令调优会损害模型的上下文可操控性。