Mila a annoncé que ses chercheurs présenteront 70 articles lors de la Conférence Internationale sur les Représentations d'Apprentissage (ICLR) 2026 au Brésil. Les présentations clés du premier jour porteront sur les avancées en fusion de modèles, apprentissage de graphes et apprentissage par renforcement. Parmi les travaux notables figurent la fusion robuste de modèles de DisTaC via la distillation de vecteurs de tâches conditionnels et le cadre de référence de GraphOmni pour l'évaluation des grands modèles de langage sur des tâches de théorie des graphes. En apprentissage par renforcement, SHAPO introduit une optimisation consciente de la netteté pour une exploration sécurisée, tandis qu'ARM-FM utilise des modèles fondamentaux pour la génération automatique de machines de récompense. Les modèles génératifs verront des innovations telles que la formation efficace basée sur la régression des flux de normalisation pour les générateurs de Boltzmann et le calcul précis de la vraisemblance dans les flux continus par FALCON. De plus, Mila présentera des avancées dans les grands modèles de langage, incluant la visualisation des processus de raisonnement et la redéfinition de l'effondrement des modèles comme une caractéristique de l'oubli machine.