ICML

Evidential Reasoning Advances Interpretable Real-World Disease Screening

证据推理促进可解释的现实世界疾病筛查

Chenyu Lian, Hong-Yu Zhou, Jing Qin

机构 * The Center for Smart Health, School of Nursing, the Hong Kong Polytechnic University, Hong Kong, China（智能健康中心，护理学院，香港理工大学，香港，中国） ； Research Institute for Smart Ageing, the Hong Kong Polytechnic University, Hong Kong, China（智能老龄化研究 institute，香港理工大学，香港，中国） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） 纠错

AI总结 本文提出EviScreen框架，通过区域证据提升疾病筛查的可解释性与性能，利用双知识库和对比检索提升定位解释性，实现实世界疾病筛查的高特异性。

Comments ICML 2026

ML-Embed: Inclusive and Efficient Embeddings for a Multilingual World

ML-Embed：面向多语言世界的包容性与高效嵌入

Ziyin Zhang, Zihan Liao, Hang Yu, Peng Di, Rui Wang

机构 * School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） 纠错

AI总结 本文提出ML-Embed，通过3D-ML框架解决高质文本嵌入的计算、语言覆盖和透明性问题，构建了从140M到8B参数的多语言模型，实现了在9个MTEB基准上的新纪录，尤其在低资源语言表现突出。

Comments Accepted by ICML 2026. The data has been released earlier in the preprint arXiv:2603.19223

Inducing Overthink: Hierarchical Genetic Algorithm-based DoS Attack on Black-Box Large Language Reasoning Models

诱导过度思考：基于分层遗传算法的黑盒大语言推理模型DoS攻击

Shuqiang Wang, Wei Cao, Jiaqi Weng, Jialing Tao, Licheng Pan, Hui Xue, Zhixuan Chu

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出一种基于分层遗传算法的黑盒攻击方法，通过系统扰动输入问题的逻辑结构，诱导大语言模型产生过度思考，从而引发资源耗尽攻击。

Comments Accepted at ICML 2026. Code available at: https://github.com/EndlessCao/Overthink-HGA

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026

A Minimal Agent for Automated Theorem Proving

一个用于自动定理证明的最小代理

Borja Requena, Austin Letson, Krystian Nowakowski, Izan Beltran-Ferreiro, Leopoldo Sarra

AI总结 本文提出一个最小代理基准，用于比较不同AI定理证明器架构。通过迭代证明细化、库搜索和上下文管理核心功能，展示了与前沿方法相媲美的性能，同时架构更简单且成本更低。

Comments Accepted for publication at ICML 2026

Proxy Compression for Language Modeling

代理压缩用于语言建模

Lin Zheng, Xinyu Li, Qian Liu, Xiachong Feng, Lingpeng Kong

机构 * University of Hong Kong（香港大学） 纠错

AI总结 本文提出代理压缩方法，通过联合训练原始字节序列和压缩视图，提升语言模型训练效率，并在代码建模中显著优于纯字节级基线。

Comments ICML 2026

Time Series Forecasting Through the Lens of Dynamics

通过动力学视角进行时间序列预测

Alexis-Raja Brachet, Pierre-Yves Richard, Céline Hudelot

机构 * CentraleSupélec, IETR UMR CNRS 6164, France（法国中央超导学院，IETR CNRS 6164研究组） 纠错

AI总结 本文提出通过动力学能力分析时间序列预测模型，发现模型性能与动力学块位置及学习深度有关，提出PRO-DYN框架指导模型设计。

Comments Accepted at ICML 2026

Hierarchical Image Tokenization for Multi-Scale Image Super Resolution

多尺度图像超分辨率的分层图像标记

Isma Hadji, Enrique Sanchez, Adrian Bulat, Brais Martinez, Georgios Tzimiropoulos

机构 * Samsung AI Center Cambridge, UK（三星AI研究中心（剑桥，英国）） ； Technical University of Iasi, Romania（亚西技术大学（罗马尼亚）） ； Queen Mary University of London, UK（伦敦女王玛丽大学（英国）） 纠错

AI总结 本文提出基于视觉自回归模型的多尺度图像超分辨率方法，通过引入分层图像标记和直接偏好优化正则化项，提升模型灵活性与效率，实现无需外部数据的高精度多尺度输出。

Comments Accepted for publication at ICML 2026. *Joint first authorship (alphabetical order). arXiv admin note: substantial text overlap with arXiv:2506.04990

Video2GUI: Synthesizing Large-Scale Interaction Trajectories for Generalized GUI Agent Pretraining

Video2GUI：合成大规模交互轨迹用于通用GUI代理预训练

Weimin Xiong, Shuhao Gu, Bowen Ye, Zihao Yue, Lei Li, Feifan Song, Sujian Li, Hao Tian

机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（国家多媒体信息处理重点实验室，计算机科学学院，北京大学） ； The University of Hong Kong（香港大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出Video2GUI框架，通过自动提取互联网视频中的GUI交互轨迹，生成大规模数据集WildGUI，提升了GUI代理的泛化能力。

Comments Accepted at ICML 2026

EARL: Towards a Unified Analysis-Guided Reinforcement Learning Framework for Egocentric Interaction Reasoning and Pixel Grounding

EARL：一种统一的分析引导强化学习框架，用于第一人称交互推理与像素定位

Yuejiao Su, Xinshen Zhang, Zhen Ye, Lei Yao, Lap-Pui Chau, Yi Wang

机构 * Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University, Hong Kong SAR（香港理工大学电子与电气工程系） ； Division of Emerging Interdisciplinary Areas (EMIA), The Hong Kong University of Science and Technology, Hong Kong SAR（香港理工大学新兴跨学科领域研究中心） 纠错

AI总结 本文提出EARL框架，通过分析引导特征合成器提升第一人称交互推理与像素定位的准确性，实验显示在Ego-IRGBench上像素定位达到65.48% cIoU，优于现有方法。

Comments Accepted at ICML 2026. Project page: https://github.com/yuggiehk/EARL

Unbiased and Second-Order-Free Training for High-Dimensional PDEs

高维偏微分方程的无偏和二阶自由训练

Jaemin Seo, Surin Lee, Jae Yong Lee

机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Republic of Korea（人工智能系， Chung-Ang 大学，首尔，韩国） 纠错

AI总结 本文提出一种无偏且二阶自由的训练框架，解决高维PDEs中BSDE训练的偏倚问题，保留了BSDE方法的计算优势。

Comments Accepted at ICML 2026

Journal ref International Conference on Machine Learning 2026

Angel or Demon: Investigating the Plasticity Interventions' Impact on Backdoor Threats in Deep Reinforcement Learning

天使或恶魔：探讨塑性干预对深度强化学习中后门威胁的影响

Oubo Ma, Ruixiao Lin, Yang Dai, Jiahao Chen, Chunyi Zhou, Linkang Du, Shouling Ji

机构 * Zhejiang University（浙江大学） ； National University of Defense Technology（国防科技大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

AI总结 研究通过分析14664个案例，发现仅有一种干预（SAM）加剧了后门威胁，其他干预则缓解了威胁，提出新的稳健后门注入框架和异常损失景观尖锐度作为检测指标。

Comments To appear in the Forty-Third International Conference on Machine Learning (ICML 2026), July 6-11, 2026, Seoul, South Korea

RQ-MoE: Residual Quantization via Mixture of Experts for Efficient Input-Dependent Vector Compression

基于专家混合的残差量化：用于高效输入依赖向量压缩

Zhengjia Zhong, Shuyan Ke, Zaizhou Lin, Jiaqi Song, Hongyi Lan, Hui Li

机构 * Key Laboratory of Multimedia Trusted Perception（多媒体可信感知关键实验室） ； Efficient Computing, Ministry of Education of China, Xiamen University, Xiamen, China（高效计算，中华人民共和国教育部，厦门大学，厦门，中国） 纠错

AI总结 本文提出RQ-MoE框架，结合双层专家混合与双流量化，实现输入依赖的代码本自适应，提升向量量化效率，并在解码速度上优于现有方法。

Comments To appear at ICML 2026

MetaMoE: Diversity-Aware Proxy Selection for Privacy-Preserving Mixture-of-Experts Unification

MetaMoE：面向隐私保护的混合专家统一中的代理选择

Weisen Jiang, Shuhao Chen, Sinno Jialin Pan

AI总结 MetaMoE通过利用公共代理数据统一独立训练的领域专家，解决隐私约束下混合专家训练的挑战，采用多样性感知的代理选择方法提升专家协调性。

Comments Accepted by ICML 2026

Image Restoration via Diffusion Models with Dynamic Resolution

通过动态分辨率模型进行图像修复

Yang Zheng, Wen Li, Zhaoqiang Liu

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） 纠错

AI总结 本文提出通过动态分辨率模型将数据投影到低维子空间，以加速推理过程，改进了传统扩散模型在图像修复中的效率与质量。

Comments Accepted by ICML 2026

GenCircuit-RL: Reinforcement Learning from Hierarchical Verification for Genetic Circuit Design

GenCircuit-RL：基于分层验证的遗传电路设计强化学习

Noah Flynn

机构 * University of California, Berkeley, CA, USA（加州大学伯克利分校） 纠错

AI总结 本文提出GenCircuit-RL框架，通过分层验证奖励和课程学习提升遗传电路设计的正确性与功能推理能力，实验表明其在功能推理任务中成功率提升14-16个百分点。

Comments Link: https://icml.cc/virtual/2026/poster/61789

Geometrically Constrained Stenosis Editing in Coronary Angiography via Entropic Optimal Transport

通过熵最优传输的几何约束斑块编辑在冠状动脉造影中

Jialin Li, Zhuo Zhang, Yue Cao, Guipeng Lan, Jiabao Wen, Shuai Xiao, Jiachen Yang

机构 * School of Electrical and Information Engineering, Tianjin University, Tianjin, China（天津大学电气与信息工程学院） 纠错

AI总结 本文提出OT-Bridge Editor，通过熵最优传输和几何信息提升冠状动脉造影中斑块编辑的精度与泛化能力，实验显示在ARCADE基准和多中心数据集上分别提升27.8%和23.0%。

Comments Accepted to ICML 2026

Mixture Prototype Flow Matching for Open-Set Supervised Anomaly Detection

混合原型流匹配用于开放集监督异常检测

Fuyun Wang, Yuanzhi Wang, Xu Guo, Sujia Huang, Tong Zhang, Dan Wang, Hui Yan, Xin Liu, Zhen Cui

机构 * Nanjing University of Science（南京理工大学） ； Beijing Normal University, Beijing, China（北京师范大学） ； China Academy of Space Technology, Beijing, China（中国空间技术研究院） 纠错

AI总结 本文提出MPFM框架，通过学习正常特征分布到结构化高斯混合原型空间的连续变换，改进传统方法对多模态数据的建模，引入MIMR正则化器提升正常-异常分离性能，实验证明其在多种基准上达到最佳性能。

Comments Accepted by ICML 2026

Grokking Finite-Dimensional Algebra

深入理解有限维代数

Pascal Jr Tikeng Notsawo, Guillaume Dumas, Guillaume Rabusseau

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； CHU Sainte-Justine Research Center, Montréal（圣朱斯特研究中心，蒙特利尔） ； CIFAR AI Chair（CIFAR人工智能席位） 纠错

AI总结 本文研究神经网络训练中从长期记忆到泛化突然转变的'grokking'现象，探讨有限维代数中乘法学习的代数结构影响及泛化能力。

Comments 37 pages, 14 figures, Forty-Third International Conference on Machine Learning (ICML), 2026

CoCoEdit: Content-Consistent Image Editing via Region Regularized Reinforcement Learning

CoCoEdit：通过区域正则化的强化学习实现内容一致的图像编辑

Yuhui Wu, Chenxi Xie, Ruibin Li, Liyi Chen, Qiaosi Yi, Lei Zhang

机构 * The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； OPPO Research Institute, ShenZhen, China（OPPO研究院，深圳，中国） 纠错

AI总结 本文提出CoCoEdit框架，通过区域正则化强化学习提升图像编辑内容一致性，利用改进的指令和掩码生成高质量训练集，并引入像素相似度奖励和区域正则化器，提升编辑质量和一致性。

Comments Accepted by ICML 2026

Geometry-Aware Decoding with Wasserstein-Regularized Truncation and Mass Penalties for Large Language Models

具有Wasserstein正则化截断和质量惩罚的几何感知解码

Arash Gholami Davoodi, Navid Rezazadeh, Seyed Pouyan Mousavi Davoudi, Pouya Pezeshkpour

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Megagon Labs（Megagon实验室） ； University of California, Irvine（加州大学伊文斯顿分校） 纠错

AI总结 本文提出Top-W解码方法，通过Wasserstein距离保持token嵌入空间几何特性，平衡概率质量与熵，提升大语言模型生成质量与创造力。

Comments 20 pages, 3 figures, 8 tables, ICML 2026

Conformal Thinking: Risk Control for Reasoning on a Compute Budget

conformal thinking: 用于计算预算上的推理风险控制

Xi Wang, Anushri Suresh, Alvin Zhang, Rishi More, William Jurayj, Benjamin Van Durme, Mehrdad Farajtabar, Daniel Khashabi, Eric Nalisnick

机构 * Johns Hopkins University, Baltimore, Maryland, USA（约翰霍普金斯大学，巴尔的摩，马里兰州，美国） ； Apple, USA（苹果公司，美国） 纠错

AI总结 本文提出一种风险控制框架，通过设置上界和下界阈值来优化计算预算，提升推理效率并降低错误率。

Comments ICMl 2026

Any3D-VLA: Enhancing VLA Robustness via Diverse Point Clouds

Any3D-VLA：通过多样化点云增强VLA鲁棒性

Xianzhe Fan, Shengliang Deng, Xiaoyang Wu, Yuxiang Lu, Zhuoling Li, Mi Yan, Yujia Zhang, Zhizheng Zhang, He Wang, Hengshuang Zhao

机构 * School of Computing and Data Science, The University of Hong Kong, Hong Kong SAR, China（计算与数据科学学院，香港大学，香港特别行政区，中国） ； School of Computing（计算学院） ； Peking University, Beijing, China（北京大学，北京，中国） 纠错

AI总结 本文提出Any3D-VLA，通过整合点云与2D表示，提升VLA在复杂场景中的鲁棒性，解决3D数据稀缺和领域差距问题。

Comments ICML 2026

OPT-Engine: Benchmarking the Limits of LLMs in Optimization Modeling via Complexity Scaling

OPT-Engine：通过复杂度扩展评估大语言模型在优化建模中的极限

Yitian Chen, Cheng Cheng, Yinan Sun, Zi Ling, Dongdong Ge

机构 * Shanghai University of Finance and Economics（上海财经大学） ； Booth School of Business, University of Chicago（芝加哥大学商学院） ； Antai School of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院） 纠错

AI总结 本文通过OPT-ENGINE框架评估大语言模型在优化建模中的能力与扩展性，发现纯文本推理在任务复杂度增加时存在鲁棒性差距，外部工具无法满足全局优化约束，指出约束自动建模是当前SOTA范式的瓶颈。

Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

GenExam: A Multidisciplinary Text-to-Image Exam

GenExam：多学科文本到图像考试

Zhaokai Wang, Penghao Yin, Xiangyu Zhao, Changyao Tian, Yu Qiao, Wenhai Wang, Jifeng Dai, Gen Luo

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 GenExam是首个多学科文本到图像考试基准，包含10个学科1000个样本，通过四级分类评估模型的综合能力，揭示开源模型与闭源模型间的显著差距。

Comments Accepted by ICML 2026

Privacy Amplification in Differentially Private Zeroth-Order Optimization with Hidden States

差分隐私零阶优化中的隐私放大

Eli Chien, Wei-Ning Chen, Pan Li

机构 * Department of Electrical Engineering, National Taiwan University, Taiwan（台湾国立台湾大学电子工程系） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE), Taiwan（国立台湾大学人工智能研究中心（NTU AI-CoRE）） ； Microsoft, USA（微软公司） ； Department of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程系） 纠错

AI总结 本文研究了在差分隐私和内存约束下零阶优化的隐私放大问题，提出混合噪声机制和新耦合分析，首次获得收敛的隐状态差分隐私界。

Comments ICML 2026

Understanding High-Dimensional Bayesian Optimization

理解高维贝叶斯优化

Leonard Papenmeier, Matthias Poloczek, Luigi Nardi

机构 * Department of Computer Science, Lund University, Lund, Sweden（隆德大学计算机科学系） ； Amazon（亚马逊） 纠错

AI总结 本文研究高维贝叶斯优化失败原因，发现高斯过程初始化导致梯度消失是关键问题，提出基于最大似然估计的改进方法在实际应用中表现优异。

Comments 22 pages, 21 figures. Accepted to ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:47902-47923, 2025

A Unified Framework for Entropy Search and Expected Improvement in Bayesian Optimization

熵搜索与期望改进在贝叶斯优化中的统一框架

Nuojin Cheng, Leonard Papenmeier, Stephen Becker, Luigi Nardi

机构 * Department of Applied Mathematics, University of Colorado Boulder（科罗拉多大学波尔得分校应用数学系） ； Department of Computer Science, Lund University（吕勒欧大学计算机科学系） 纠错

AI总结 本文提出统一框架Variational Entropy Search，揭示EI与信息论获取函数的紧密关联，并提出新型获取函数VES-Gamma，在多个基准测试中表现优异。

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:10106-10120, 2025

R2R2: Robust Representation for Intensive Experience Reuse via Redundancy Reduction in Self-Predictive Learning

R2R2：通过冗余减少在自预测学习中的鲁棒表示

Sanghyeob Song, Donghyeok Lee, Jinsik Kim, Sungroh Yoon

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能交叉学科项目，首尔国立大学） ； Department of Electrical and Computer Engineering, Seoul National University（电子与计算机工程系，首尔国立大学） 纠错

AI总结 本文提出R2R2方法，通过减少冗余提升自预测学习中密集数据重用的鲁棒性，有效缓解过拟合问题，在11个连续控制任务中验证其有效性。

Comments Accepted at the Forty-Third International Conference on Machine Learning (ICML 2026). This is the camera-ready version

Towards Resource-Efficient LLMs: End-to-End Energy Accounting of Distillation Pipelines

迈向资源高效的大型语言模型：蒸馏流水线的端到端能源核算

Katherine Lambert, Sasha Luccioni

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文研究了蒸馏流水线的端到端能源成本，揭示了传统方法的能耗问题，并提出开放源代码工具用于标准化蒸馏研究。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026). 11 pages, 6 figures