Mila anunciou que seus pesquisadores apresentarão 70 artigos na Conferência Internacional sobre Representações de Aprendizagem (ICLR) 2026 no Brasil. As apresentações principais no primeiro dia abordarão avanços em fusão de modelos, aprendizado em grafos e aprendizado por reforço. Trabalhos notáveis incluem a fusão robusta de modelos do DisTaC por meio da destilação de vetores condicionais de tarefas e a estrutura de referência do GraphOmni para avaliação de grandes modelos de linguagem em tarefas de teoria dos grafos. No aprendizado por reforço, o SHAPO introduz a otimização consciente da nitidez para exploração segura, enquanto o ARM-FM utiliza modelos fundamentais para geração automática de máquinas de recompensa. Modelos generativos terão inovações como o Treinamento Eficiente baseado em Regressão de Fluxos Normalizantes para Geradores de Boltzmann e o cálculo preciso de probabilidade do FALCON em fluxos contínuos. Além disso, Mila apresentará avanços em grandes modelos de linguagem, incluindo a visualização dos processos de raciocínio e a redefinição do colapso do modelo como uma característica do esquecimento da máquina.