苹果将在2026年国际学习表征会议（ICLR）上展示基于M5 Max的本地LLM推理和SHARP处理图像的研究，会议时间为4月23日至27日，地点在巴西里约热内卢，欢迎研究社区参与。

厦门大学和香港科技大学提出的新算法MAGE改进了离线强化学习。MAGE采用自顶向下的生成策略，先进行宏观规划，再细化微观细节，有效解决了现有模型在长程规划中的不足。实验结果表明，MAGE在多个任务中表现优异，推理速度快，适合实时控制，展现出强大的全局规划能力。

在计算生物学中，设计精准结合的蛋白质是一个关键挑战。机器学习的引入改变了这一领域，Complexa框架通过结合生成与优化，提高了结合剂设计的效率和成功率，推动了人工智能在蛋白质设计中的应用。

本文提出了一种动态状态空间模型Content-Aware Mamba（CAM），并基于此构建了图像压缩模型CMIC。CMIC通过内容自适应token重排和全局先验提示，增强了长距离冗余建模能力，在多个数据集上实现了SOTA性能。

本文提出了一种改进的对抗扩散压缩方法（AdcVSR），用于真实世界视频超分辨率。该方法通过剪枝和轻量级一维卷积，显著降低模型参数和推理时间，同时保持视频质量。实验结果表明，AdcVSR在减少95%参数的同时，实现约8倍的速度提升，优化了细节生成与时域一致性。

本文介绍了淘天音团队提出的Vivid-VR生成式视频复原算法，解决了现有方法的“分布漂移”问题。该算法通过“概念蒸馏”训练策略，在纹理真实感、视觉生动性和时序一致性方面显著优于现有技术，已被ICLR 2026收录。

GPTZero团队扫描了300篇ICLR 2026投稿论文，发现50篇存在幻觉引用，漏检率高。部分论文评分达到8/10，几乎肯定会发表。幻觉引用类型多样，同行评审系统面临崩溃，AI生成论文问题严重，学术诚信受到威胁。

扩散模型在图像生成方面取得了重要进展，但由于推理步骤多和分辨率限制，实际应用受到制约。为提高效率和图像保真度，提出了GenDR和GenDR-Pix模型，优化了VAE和UNet，支持高分辨率图像处理，增强了细节恢复效果，推动生成技术与实际业务的结合。

本文提出了In-Run Data Shapley方法，实时追踪训练数据对模型的贡献，解决了传统方法计算复杂度高的问题。研究表明，数据价值在训练过程中会变化，精心策划的数据集可能仍包含负面数据，强调了数据治理的重要性。该方法为AI版权和数据质量提供了新视角，具有广泛的应用前景。

抱歉，您提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

抱歉，提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

抱歉，提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

抱歉，您提供的文本内容过于简短，无法进行有效的总结。请提供更详细的文章内容。

抱歉，您提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

抱歉，您提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

抱歉，提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。

AI Shortlist 是一篇关于人工智能的文章，探讨了其技术、应用和发展趋势，强调了AI在各领域的潜力和未来的重要性。

AI Shortlist 是一款利用人工智能技术筛选候选人的工具，旨在提升招聘效率和准确性，通过分析简历和求职者数据，帮助企业找到合适的人才。