ICLR 2026录用结果发布，AI巨头纷纷晒成绩单

新智元报道

编辑：KingHZ 好困

【新智元导读】ICLR 2026投稿破纪录达19000篇，录用率仅28.18%，平均分5.39创三年最低。评审系统漏洞曝光之后，作者们仍晒出喜报，如北大张铭组中5篇，庆祝努力收获。

放榜了！

顶会ICLR，在评审员和作者互相开盒之后，录用结果来了。

ICLR 2026可谓「一片混乱」：先是评审结果惹争议，多名投稿人经历投稿分数全0；后有评审系统被爆出漏洞，审稿人全员裸奔。

终于，ICLR 2026带来了一线希望，录用通知从1月25日发出——

据Paper Copilot统计，ICLR 2026总投稿论文再创新高，为19000篇；录用率只有28.18%，对应的平均得分为5.39、最低分为2.50、最高分为8.50，均为最近三年最低水平；Poster录用率为28.18%，为最近3年新高。

投中的作者发帖庆祝，苦尽甘来，努力终有收获，但并非没有争议，特别是关于LLM滥用的争议。

顺便提一句，本届ICLR将于2026年4月23日至27日在巴西里约热内卢举行。

网友纷纷晒出成绩单

多名作者在国内外社交平台发文，祝贺ICLR 2026喜创佳绩。

我们先看一下国内平台上大家晒出的「成绩单」。

北大张铭教授组顶会ICLR中5篇：

MIT教授、清华校友韩松投稿ICLR的第十年，联合战队生产力大爆发，投中至少9篇：

TAMU计算机系助理教授涂正中，喜提5篇ICLR。

港科大田泽越ICLR+4：

上海交通大学郦洋和团队投中3篇：

1. 基于掩码生成的类自监督学习范式MaskCO，在TSP上相比SOTA实现了超过99%的gap缩减，并带来10倍的加速。

2. 面向组合优化的掩码扩散框架NEXCO，将解的解码过程内化为扩散模型的原生机制，在保证约束满足的同时显著提升解的质量与推理效率。

3. 面向组合优化问题的统一表示学习框架ConRep4CO，实现跨问题的预训练，显著提升表示质量、泛化能力及下游优化性能。

南洋理工加小俊和团队取得了优异成果。

据介绍，本次他参与了三篇ICLR 2026论文，其中一篇是共同一作，两篇是通讯作者，分别聚焦LLM安全对齐 / 多模态越狱安全评测 /文言文越狱攻击等方向。

清华在读博士生李凯的两篇一作论文顺利拿下「双杀」，并且还把Paper、Code和Dataset全都开源了。

Work 1: Dolphin 高效音视频语音分离，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 的可信度评估Benchmark。

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

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

中科大梁锡泽ICLR+2，方向包含大模型多领域RL、大小模型协同推理。

多领域RL方面，他们提出了RLCGPO算法，在数学、代码、科学、创意写作4个领域的7个基准上取得平均+2.3分提升，并带来更快的奖励增长（例如训练50步后奖励提升达到基线的2–3倍）；同时每步额外开销仅2–5%。

在大小模型协同推理领域，他们提出了Latent Guidence框架，使小模型相较其独立基线的准确率最高提升13.9%、速度提升2倍，同时整体推理速度比大模型快至4倍。

华师大王嘉宁，同样ICLR+2：

R-Horizon：大模型长程推理分析与RL优化

ScienceBoard：面向AI for Science的Agentic工作流评估

港科大（广州）宋文轩，作为共一和project lead参与的两篇VLA文章都接收了，分别代表了两条路线上的探索（VLA的视觉表征学习和diffusionVLA），两篇工作均已开源（均Github 100+ stars）

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

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

英伟达谢恩泽，参与的SANA Video和Fast dLLM系列都中了 ICLR 2026！

在线性注意力应用于Diffusion视觉生成的基础之上，这次他们在Diffusion LLM语言模型上的研究也取得了一些不错的进展。

北大任韬，ICLR 2026投中两篇论文，聚焦于LLM和Diffusion的后训练强化学习算法，从风险度量和随机梯度估计的角度给出了一些不同的看法。

港科大（广州）陈晋泰，关于「心电全景图（Electrocardio Panorama）」的Nef-Net v2正式被录用。

v2版本已经实现了对任意时长、任意心电设备的覆盖，效果已经远超初代。他认为更重要的是落地：

发论文从来不是目的，现在如果目标仅仅是发一篇顶会并不难。真正的意义在于我们将心电全景图的应用向临床又推进了一大步。我们的v3已经在路上。

复旦仝竞奇等在被接收的工作中，发现游戏任务训练可以提升AI的通用推理能力。

论文链接：https://arxiv.org/abs/2505.13886

代码仓库：https://github.com/tongjingqi/Game-RL

数据与模型：https://huggingface.co/datasets/Code2Logic/GameQA-140K

国外社交平台上，也很热闹。

被誉为诺奖风向标之一的斯隆研究奖得主、OSU教授Yu Su实验室中了11篇，激动发帖：「OSU NLP Group中了11篇，涉及智能体记忆、安全、评估、机制解释性以及面向科学的AI等话题。」

与合作者一起，普林斯顿的博士后LingYang，在「大模型和扩散语音模型上」上一人中了4篇：

香港中文大学博士后Yafu Li，投中了6篇，而且全部开源，对推理、强化学习和多模态理解可以看看。

在读博士Qiushi Sun参与的3篇论文被ICLR 2026接收。

作为第一作者，网友Egor Cherepanov有4篇论文被接收。

国内高校一些学生解锁「首篇顶会论文」成就，甚至还有大二学生！

因误报虚构参考文献，被ICLR 2026桌面拒稿，最后柳暗花明，Yu-Xiang Wang分享了「有史以来ICLR中稿论文」最低的一篇的故事。

根据传言，中一篇ICLR等顶会论文，作者就可以正式称自己为「AI研究员」，恭。和新AI研究员一起分享这些喜悦吧。

在此，恭喜所有ICLR 2026论文作者。

但AI研究社区涌现出了新的问题，不容小觑。

AI顶会之乱，ICLR之殇

最大问题不是审稿人信息被泄露，投稿人和审稿人直接对线，而是评审质量的下滑。

比如，AI开始反噬AI研究。

此前，卡内基梅隆大学教授Graham Neubig使用Pangram Labs的AI文本检测工具EditLens，发现ICLR公开的75800条评审意见21%被高度怀疑「完全由AI生成」。

AI写论文，AI评阅！AI顶会ICLR完成「AI闭环」，1/5审稿意见纯AI给出

这种AI滥用现象并没有得到解决：

ICLR2025发布了评审或元评审过程中使用LLM的相关政策：

不过，ICLR似乎没有提出合适的机制，确保AI评审的质量，只是要「评审人对评审内容负有最终责任」、遵守学术伦理。

有投稿人直言，100%的评审意见全是AI生成的。

有网友直言，受够了整个匿名评审这套游戏——

即使拿到了高分，即使多数审稿人都表示文章可以接收，只要一个审稿人就能推翻录用结果。

更糟糕的是，你可能收不到任何解释。

审稿人的偏见在匿名审稿中似乎看不到如何被纠正。

更不要说，审稿人的学术品味也不一定足以胜任顶会审稿工作。

国内人大副教授刘勇，从事大模型基础理论研究，就有多篇论文被「误杀」。

他感慨道「搞理论的本来不容易，希望审稿人专业点」，呼吁给理论研究留下「火种」。

参考资料：

https://x.com/hashtag/ICLR26

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