新智元報道

編輯：KingHZ 好困

【新智元導讀】ICLR 2026投稿破紀錄達19000篇，錄用率僅28.18%，平均分5.39創(chuàng)三年最低。評審系統(tǒng)漏洞曝光之后，作者們?nèi)詴癯鱿矆?，如北大張銘組中5篇，慶祝努力收獲。

放榜了！

頂會ICLR，在評審員和作者互相開盒之后，錄用結(jié)果來了。

ICLR 2026可謂「一片混亂」：先是評審結(jié)果惹爭議，多名投稿人經(jīng)歷投稿分數(shù)全0；后有評審系統(tǒng)被爆出漏洞，審稿人全員裸奔。

終于，ICLR 2026帶來了一線希望，錄用通知從1月25日發(fā)出——

據(jù)Paper Copilot統(tǒng)計，ICLR 2026總投稿論文再創(chuàng)新高，為19000篇；錄用率只有28.18%，對應的平均得分為5.39、最低分為2.50、最高分為8.50，均為最近三年最低水平；Poster錄用率為28.18%，為最近3年新高。

投中的作者發(fā)帖慶祝，苦盡甘來，努力終有收獲，但并非沒有爭議，特別是關于LLM濫用的爭議。

順便提一句，本屆ICLR將于2026年4月23日至27日在巴西里約熱內(nèi)盧舉行。

網(wǎng)友紛紛曬出成績單

多名作者在國內(nèi)外社交平臺發(fā)文，祝賀ICLR 2026喜創(chuàng)佳績。

我們先看一下國內(nèi)平臺上大家曬出的「成績單」。

北大張銘教授組頂會ICLR中5篇：

MIT教授、清華校友韓松投稿ICLR的第十年，聯(lián)合戰(zhàn)隊生產(chǎn)力大爆發(fā)，投中至少9篇：

TAMU計算機系助理教授涂正中，喜提5篇ICLR。

港科大田澤越ICLR+4：

上海交通大學酈洋和團隊投中3篇：

1. 基于掩碼生成的類自監(jiān)督學習范式MaskCO，在TSP上相比SOTA實現(xiàn)了超過99%的gap縮減，并帶來10倍的加速。

2. 面向組合優(yōu)化的掩碼擴散框架NEXCO，將解的解碼過程內(nèi)化為擴散模型的原生機制，在保證約束滿足的同時顯著提升解的質(zhì)量與推理效率。

3. 面向組合優(yōu)化問題的統(tǒng)一表示學習框架ConRep4CO，實現(xiàn)跨問題的預訓練，顯著提升表示質(zhì)量、泛化能力及下游優(yōu)化性能。

南洋理工加小俊和團隊取得了優(yōu)異成果。

據(jù)介紹，本次他參與了三篇ICLR 2026論文，其中一篇是共同一作，兩篇是通訊作者，分別聚焦LLM安全對齊 / 多模態(tài)越獄安全評測 /文言文越獄攻擊等方向。

清華在讀博士生李凱的兩篇一作論文順利拿下「雙殺」，并且還把Paper、Code和Dataset全都開源了。

Work 1: Dolphin 高效音視頻語音分離，小海豚游得快！

Paper：https://huggingface.co/papers/2509.23610

Space: https://huggingface.co/spaces/JusperLee/Dolphin

Work 2: AudioTrust Audio LLM 的可信度評估Benchmark。

Paper: https://huggingface.co/papers/2505.16211

Dataset: https://huggingface.co/datasets/JusperLee/AudioTrust

中科大梁錫澤ICLR+2，方向包含大模型多領域RL、大小模型協(xié)同推理。

多領域RL方面，他們提出了RLCGPO算法，在數(shù)學、代碼、科學、創(chuàng)意寫作4個領域的7個基準上取得平均+2.3分提升，并帶來更快的獎勵增長（例如訓練50步后獎勵提升達到基線的2–3倍）；同時每步額外開銷僅2–5%。

在大小模型協(xié)同推理領域，他們提出了Latent Guidence框架，使小模型相較其獨立基線的準確率最高提升13.9%、速度提升2倍，同時整體推理速度比大模型快至4倍。

華師大王嘉寧，同樣ICLR+2：

R-Horizon：大模型長程推理分析與RL優(yōu)化

ScienceBoard：面向AI for Science的Agentic工作流評估

港科大（廣州）宋文軒，作為共一和project lead參與的兩篇VLA文章都接收了，分別代表了兩條路線上的探索（VLA的視覺表征學習和diffusionVLA），兩篇工作均已開源（均Github 100+ stars）

Spatial Forcing: https://spatial-forcing.github.io/

Unified Diffusion VLA：https://arxiv.org/abs/2511.01718

英偉達謝恩澤，參與的SANA Video和Fast dLLM系列都中了 ICLR 2026！

在線性注意力應用于Diffusion視覺生成的基礎之上，這次他們在Diffusion LLM語言模型上的研究也取得了一些不錯的進展。

北大任韜，ICLR 2026投中兩篇論文，聚焦于LLM和Diffusion的后訓練強化學習算法，從風險度量和隨機梯度估計的角度給出了一些不同的看法。

港科大（廣州）陳晉泰，關于「心電全景圖（Electrocardio Panorama）」的Nef-Net v2正式被錄用。

v2版本已經(jīng)實現(xiàn)了對任意時長、任意心電設備的覆蓋，效果已經(jīng)遠超初代。他認為更重要的是落地：

發(fā)論文從來不是目的，現(xiàn)在如果目標僅僅是發(fā)一篇頂會并不難。真正的意義在于我們將心電全景圖的應用向臨床又推進了一大步。我們的v3已經(jīng)在路上。

復旦仝競奇等在被接收的工作中，發(fā)現(xiàn)游戲任務訓練可以提升AI的通用推理能力。

論文鏈接：https://arxiv.org/abs/2505.13886

代碼倉庫：https://github.com/tongjingqi/Game-RL

數(shù)據(jù)與模型：https://huggingface.co/datasets/Code2Logic/GameQA-140K

國外社交平臺上，也很熱鬧。

被譽為諾獎風向標之一的斯隆研究獎得主、OSU教授Yu Su實驗室中了11篇，激動發(fā)帖：「OSU NLP Group中了11篇，涉及智能體記憶、安全、評估、機制解釋性以及面向科學的AI等話題?！?/p>

與合作者一起，普林斯頓的博士后LingYang，在「大模型和擴散語音模型上」上一人中了4篇：

香港中文大學博士后Yafu Li，投中了6篇，而且全部開源，對推理、強化學習和多模態(tài)理解可以看看。

在讀博士Qiushi Sun參與的3篇論文被ICLR 2026接收。

作為第一作者，網(wǎng)友Egor Cherepanov有4篇論文被接收。

國內(nèi)高校一些學生解鎖「首篇頂會論文」成就，甚至還有大二學生！

因誤報虛構(gòu)參考文獻，被ICLR 2026桌面拒稿，最后柳暗花明，Yu-Xiang Wang分享了「有史以來ICLR中稿論文」最低的一篇的故事。

根據(jù)傳言，中一篇ICLR等頂會論文，作者就可以正式稱自己為「AI研究員」，恭。和新AI研究員一起分享這些喜悅吧。

在此，恭喜所有ICLR 2026論文作者。

但AI研究社區(qū)涌現(xiàn)出了新的問題，不容小覷。

AI頂會之亂，ICLR之殤

最大問題不是審稿人信息被泄露，投稿人和審稿人直接對線，而是評審質(zhì)量的下滑。

比如，AI開始反噬AI研究。

此前，卡內(nèi)基梅隆大學教授Graham Neubig使用Pangram Labs的AI文本檢測工具EditLens，發(fā)現(xiàn)ICLR公開的75800條評審意見21%被高度懷疑「完全由AI生成」。

AI寫論文，AI評閱！AI頂會ICLR完成「AI閉環(huán)」，1/5審稿意見純AI給出

這種AI濫用現(xiàn)象并沒有得到解決：

ICLR2025發(fā)布了評審或元評審過程中使用LLM的相關政策：

不過，ICLR似乎沒有提出合適的機制，確保AI評審的質(zhì)量，只是要「評審人對評審內(nèi)容負有最終責任」、遵守學術(shù)倫理。

有投稿人直言，100%的評審意見全是AI生成的。

有網(wǎng)友直言，受夠了整個匿名評審這套游戲——

即使拿到了高分，即使多數(shù)審稿人都表示文章可以接收，只要一個審稿人就能推翻錄用結(jié)果。

更糟糕的是，你可能收不到任何解釋。

審稿人的偏見在匿名審稿中似乎看不到如何被糾正。

更不要說，審稿人的學術(shù)品味也不一定足以勝任頂會審稿工作。

國內(nèi)人大副教授劉勇，從事大模型基礎理論研究，就有多篇論文被「誤殺」。

他感慨道「搞理論的本來不容易，希望審稿人專業(yè)點」，呼吁給理論研究留下「火種」。

參考資料：

https://x.com/hashtag/ICLR26

https://x.com/ysu_nlp/status/2015905215535538558