【小米AI研究成果重磅亮相ICLR 2026，九篇论文涵盖多模态、自动驾驶、音频生成等前沿领域】
小米团队在人工智能国际顶级会议ICLR 2026中成功入选多篇论文，覆盖强化学习、多模态推理、GUI智能体、端到端自动驾驶、场景生成、音频生成等多个方向，展现出深厚的研究实力与技术创新能力。以下为入选论文详情👇：
1️⃣ 《Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic Shuffle》作者：朱泠皞，管一然，梁定康，鞠建忠，罗振波，秦斌，栾剑，刘禹良，白翔摘要：提出一种以数据为中心的高效强化学习框架，通过动态重组机制缓解训练中的优势坍缩与轨迹沉默问题，显著提升多模态大模型的推理训练效率。
2️⃣ 《MobileIPL: Enhancing Mobile Agents Thinking Process via Iterative Preference Learning》作者：黄琨 *，徐伟恺 *，刘宇轩，王全东，高鹏至，刘伟，栾剑，王斌，安波摘要：提出迭代偏好学习框架，通过思维级偏好优化与指令演化，显著增强移动GUI智能体的推理泛化能力与稳定性。
3️⃣ 《FutureMind: Equipping Small Language Models with Strategic Thinking-Pattern Priors via Adaptive Knowledge Distillation》作者：杨少雄，李骏霆，张梦愿，李超，刘伟，栾剑摘要：通过自适应知识蒸馏为大模型注入战略思维先验，构建模块化推理流水线，提升小模型在多跳推理与复杂检索任务中的表现。
4️⃣ 《ThinkOmni: Lifting Textual Reasoning to Omni-modal Scenarios via Guidance Decoding》作者：管一然，涂思凡，梁定康，朱泠皞，鞠建忠，罗振波，栾剑，刘禹良，白翔摘要：提出无需训练的全模态推理引导框架，将文本推理能力迁移至多模态场景，实现感知与推理的动态平衡。
5️⃣ 《SMAN-Bench: A Cross-System Benchmark for Mobile Agents under Single- and Multi-path, Ambiguous, and Noisy Tasks》作者：徐伟恺 *，蒋志政 *，刘宇轩，高鹏至，刘伟，栾剑，刘云新，李元春，王斌，安波摘要：推出跨系统移动智能体评测基准，支持多路径、模糊与噪声任务评估，推动移动Agent研究的标准化与可复现性。
6️⃣ 《Flow2GAN: Hybrid Flow Matching and GAN with Multi-Resolution Network for Few-step High-Fidelity Audio Generation》作者：姚增伟，康魏，朱涵，郭理勇，叶凌轩，匡方军，庄伟基，李肇庆，韩志峰，林珑，Daniel Povey摘要：结合流匹配与生成对抗网络，实现少步甚至单步的高保真音频生成，在音质与效率间取得优越平衡。
7️⃣ 《ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving》作者：李永康 *，熊凯昕 *，郭翔宇，李方，鄢思旭，许刚伟，周丽君，陈龙，孙海洋，王兵，马昆，陈光，叶航军，刘文予，王兴刚摘要：提出强化认知驾驶框架，融合视觉语言模型、扩散规划与强化学习，实现安全、舒适且高效的端到端自动驾驶。
8️⃣ 《WorldSplat: Gaussian-Centric Feed-Forward 4D Scene Generation for Autonomous Driving》作者：朱子悦，吴展骞，朱贞欣，周丽君，孙海洋，王兵，马昆，陈光，叶航军，谢晋，杨健摘要：提出前向式4D驾驶场景生成框架，通过高斯建模与视频细化，生成具有时空一致性的多轨迹新视角视频。
9️⃣ 《Dichotomous Diffusion Policy Optimization》作者：曾凯 *，吴展骞 *，熊凯昕，韦小宝，郭翔宇，朱贞欣，何嘉乐，周丽君，曾博涵，陆鸣，孙海洋，王兵，陈光，叶航军，张文涛摘要：提出二分扩散策略优化算法，通过分解奖励最大化与最小化策略，实现稳定可控的扩散策略训练与推理。
小米AIICLR2026人工智能多模态大模型自动驾驶
