Mila ha anunciado que sus investigadores presentarán 70 trabajos en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR) 2026 en Brasil. Las presentaciones clave del primer día cubrirán avances en la fusión de modelos, el aprendizaje de grafos y el aprendizaje por refuerzo. Entre los trabajos destacados se incluyen la fusión robusta de modelos de DisTaC mediante la destilación de vectores de tareas condicionales y el marco de referencia de GraphOmni para evaluar modelos de lenguaje grandes en tareas de teoría de grafos. En el aprendizaje por refuerzo, SHAPO introduce la optimización consciente de la nitidez para una exploración segura, mientras que ARM-FM utiliza modelos base para la generación automática de máquinas de recompensa. Los modelos generativos verán innovaciones como el Entrenamiento Eficiente basado en Regresión de Flujos Normalizantes para Generadores de Boltzmann y el cálculo preciso de la probabilidad de FALCON en flujos continuos. Además, Mila presentará avances en modelos de lenguaje grandes, incluyendo la visualización de procesos de razonamiento y la redefinición del colapso del modelo como una característica del olvido de la máquina.