Autoregressive Boltzmann Generators
自回归玻尔兹曼生成器
AI总结 提出自回归玻尔兹曼生成器（ArBG），通过自回归建模替代基于流的模型，克服拓扑约束并提升可扩展性，在分子系统采样中显著优于现有方法，并在8残基系统上将零样本能量误差降低60%以上。
Comments ICML 2026 (Spotlight)
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
The Geometry of Updates: Fisher Alignment at Vocabulary Scale
更新的几何：词汇规模下的Fisher对齐
机构 * Sideplane AI
AI总结 针对共享词汇的LLM家族，提出FisherSketch方法，通过核均值嵌入的余弦相似度估计Fisher对齐，实现词汇规模下的高效源选择，并揭示激活、误差及耦合因素。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306. 64 pages total (main paper plus appendix), 4 figures, 29 tables
Ask, Don't Judge: Binary Questions for Interpretable LLM Evaluation and Self-Improvement
询问而非评判：用于可解释的LLM评估和自我改进的二元问题
机构 * Capital One, AI Foundations（Capital One人工智能基础）
AI总结 提出BINEVAL框架，将评估标准分解为原子二元问题，聚合为可解释的多维分数，在多项基准上匹配或超越强基线，并支持迭代提示优化。
Comments Acceepted to the Second Workshop on Compositional Learning at ICML 2026, Seoul, South Korea
Safe Autoregressive Image Generation with Iterative Self-Improving Codebooks
安全自回归图像生成与迭代自改进码本
机构 * School of Information Management, Wuhan University（武汉大学信息管理学院） ； Torr Vision Group, University of Oxford（牛津大学Torr视觉组）
AI总结 针对自回归统一多模态模型生成图像的安全性问题，提出迭代自改进码本方法，利用模型自身判断不安全图像并修正码本映射，消除有害输出并保证生成质量。
Comments 10 pages including references, 8 figures, accepted for publication at the 43rd International Conference on Machine Learning (ICML 2026)
Parametric Open Source Games
参数化开源博弈
AI总结 提出参数化开源博弈模型，通过连续参数向量和语义映射将程序均衡扩展到连续空间，证明均衡存在性，推导对称2×2博弈中自私梯度上升从背叛转向合作的确切耦合阈值，并给出参数化程序纳什均衡的一维边界检验。
Comments ICML Workshop New Frontiers in Game-Theoretic Learning-NExT-Game
Unison: Benchmarking Unified Multimodal Models via Synergistic Understanding and Generation
Unison: 通过协同理解与生成对统一多模态模型进行基准测试
AI总结 提出Unison基准，包含2169个统一任务样本，通过内部一致性、理解引导生成、生成引导理解和相互增强四个维度评估统一多模态模型的协同能力，并引入Unison-Judge评估模型确保可靠性。
Comments ICML 2026
GEOALIGN: Geometric Rollout Curation for Robust LLM Reinforcement Learning
GEOALIGN: 用于鲁棒大语言模型强化学习的几何轨迹策展
AI总结 针对在线强化学习训练LLM时奖励噪声导致的不稳定性，提出GEOALIGN，通过检测并修正方向不一致的轨迹来稳定更新，提升最终性能并减少训练震荡。
Comments Accepted as a conference paper at ICML 2026
Reasoning Quality Emerges Early: Data Curation for Reasoning Models
推理质量早期涌现：推理模型的数据策展
AI总结 提出仅利用初始推理token即可识别多样且具挑战性的推理样本，通过扰动检查点评估前100个token的损失检测难题，并证明前1k token的损失模式可预测梯度相似性，在Qwen2.5-7B和Llama3.1-8B上验证，性能提升达1.7%，token效率提升91%。
Comments Accepted by ICML 2026 (Poster)
LearniBridge: Learnable Calibration of Feature Caching for Diffusion Models Acceleration
LearniBridge: 用于扩散模型加速的特征缓存的可学习校准
AI总结 提出LearniBridge，一种基于低秩共享子空间的可学习校准机制，通过轻量LoRA更新实现特征缓存的多时间步校准，仅需3-5个训练样本即可在图像和视频生成中实现高达5.87倍加速。
Comments Accepted to ICML 2026
ProtoKV: Streaming Video Understanding under Delayed Query with Summary-State Memory
ProtoKV: 延迟查询下的流式视频理解与摘要状态记忆
机构 * KAIST（韩国科学技术院）
AI总结 提出ProtoKV，一种固定内存的流式视频理解记忆机制，通过摘要状态表示远历史，在长延迟查询下准确率提升高达12.5点。
Comments 20 pages, 4 figures, Accepted to ICML 2026
Full spectrum Unlearnable Examples via Spectral Equalization
全频谱不可学习样本：通过频谱均衡实现
机构 * Department of Computer Science, Western University（温哥华大学计算机科学系） ； Department of Mechanical, Industrial and Aerospace Engineering, Concordia University（Concordia大学机械、工业与航空航天工程系）
AI总结 针对现有不可学习样本仅在高频有效的问题，提出FUSE方法，通过随机频谱掩码和跨频带引导生成频谱无关扰动，实现全频谱保护。
Comments to be published in ICML
LithoDreamer: A Physics-Informed World Model for Multi-Stage Computational Lithography
LithoDreamer: 一种用于多阶段计算光刻的物理信息世界模型
机构 * Zhejiang University（浙江大学）
AI总结 提出首个物理信息世界模型LithoDreamer，将光刻流程建模为决策驱动的多步演化系统，通过对比变分优化实现可解释干预，在正向演化和逆向规划中达到最优性能。
Comments Correspondence to: Qi Sun <qisunchn \at zju \dot edu \dot cn>
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Jul. 6-11, 2026
Target-Aware Bandit Allocation for Scalable Surrogate Optimization in Chemical Space
面向化学空间可扩展代理优化的目标感知Bandit分配
AI总结 提出BOBa框架，通过多臂Bandit自适应分配计算资源到动作空间分区，消除全库代理推理瓶颈，在真实合成库上实现可调节的筛选性能与推理成本权衡。
Comments ICML 2026
CAT-Q: Cost-efficient and Accurate Ternary Quantization for LLMs
CAT-Q：面向LLMs的经济高效且精确的三值量化
机构 * Intel Labs China（英特尔中国实验室）
AI总结 提出CAT-Q后训练量化方案，通过可学习调制和软化三值化，仅用512个校准样本即可将LLMs高效量化为三值模型，性能优于使用100B tokens训练的BitNet 1.58-bit，训练token减少约100,000倍。
Comments This work is accepted to ICML 2026 as an oral. The project page: https://github.com/IntelChina-AI/BitTern
Autoformalization of Agent Instructions into Policy-as-Code
智能体指令的自动形式化为策略即代码
AI总结 提出自动形式化流水线，通过LLM生成-批评循环将智能体提示和自然语言策略转化为Cedar策略语言，在MedAgentBench上比手工编码覆盖更多规范。
Comments Accepted at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD), ICML 2026
Fast Estimation for Forest Matrix of Signed Graphs
符号图森林矩阵的快速估计
AI总结 针对符号图森林矩阵估计问题，提出基于环擦除随机游走的GSCF算法生成广义生成跨森林，并设计FMDE和FMDE+采样算法估计矩阵对角线，实现高精度、高效率，可扩展至千万节点规模。
Comments Accepted at ICML 2026
Localizing RL-Induced Tool Use to a Single Crosscoder Feature
将RL诱导的工具使用定位到单个交叉编码器特征
AI总结 提出专用特征交叉编码器(DFC)隔离强化学习引入的紧凑特征集，通过编码-解码重建提升工具调用正确率31.1个百分点，并实现能力溢出至冻结基模型。
Comments Accepted as a spotlight at the ICML 2026 Mechanistic Interpretability Workshop
A Causal Foundation Model for Structure and Outcome Prediction
用于结构与结果预测的因果基础模型
机构 * University of Cambridge, United Kingdom（英国剑桥大学）
AI总结 提出TabPFN-CFM，一种能处理多种因果问题的因果基础模型，从观测数据预测因果结构和结果，支持Pearl因果层次所有三层查询，在合成数据上训练并泛化到真实数据，优于结构和结果预测基线。
Comments 20 pages, 7 figures, 17 tables, 43rd ICML Workshop on Foundation Models for Structured Data
AXLE: A Cloud Infrastructure for Lean 4 Theorem Proving Utilities
AXLE：面向 Lean 4 定理证明工具的云基础设施
机构 * Axiom Math ； Recursive Superintelligence, Inc.
AI总结 提出 AXLE 云服务，提供可扩展的 Lean 4 证明操作、提取与验证工具，支持多版本、多租户隔离，已处理超5亿请求并助力 Putnam 竞赛满分。
Comments Accepted at the 3rd AI for Math Workshop, ICML 2026
Embedding Foundation Model Predictions in Discrete-Choice Models with Structural Guarantees
具有结构保证的嵌入基础模型预测的离散选择模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学）
AI总结 提出两阶段适配器，将基础模型的预测嵌入多项Logit效用中，通过符号约束保持边际替代率，在三个数据集上平均提升6.4个百分点准确率，并保证成本单调性和合理时间价值。
Comments Extends arXiv:2605.26559 (ICML 2026 FMSD Workshop)
Instruction Bleed: Cross-Module Interference in Prompt-Composed Agentic Systems
指令泄露：提示组合智能体系统中的跨模块干扰
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； FAGEN
AI总结 研究提示组合智能体系统中模块间干扰问题，形式化定义为组合行为泄露（CBL），通过三通道协议实验验证内容通道产生可检测效应，贡献了操作定义、可复用协议和系统类特征。
Comments 8 pages, 2 tables. Accepted to the ICML 2026 Workshop on Failure Modes in Agentic AI (FAGEN), Seoul, South Korea
SSM Adapters via Hankel Reduced-order Modeling: Injection Site Determines Task Suitability in Long-Context Fine-Tuning
通过Hankel降阶建模的SSM适配器：注入位置决定长上下文微调中的任务适用性
机构 * Hitachi America Ltd.（日立美洲有限公司）
AI总结 提出Hankel降阶模型(HRM)适配器，一种基于SSM的残差模块，通过平衡截断初始化，在长上下文任务中优于LoRA，并支持FFT并行扫描。
Comments 14 pages, 12 figures, HiLD Workshop @ ICML 2026
Refusal Lives Downstream of Persona in Chat Models
拒绝在聊天模型中的角色下游
机构 * Independent（独立研究者）
AI总结 研究发现聊天模型中拒绝行为受顺从角色门控，通过干预角色和拒绝方向可大幅改变拒绝率，表明拒绝依赖于角色。
Comments Accepted to the ICML 2026 Mechanistic Interpretability workshop
Finding Stationary Points by Comparisons
通过比较寻找驻点
机构 * School of Electronics Engineering and Computer Science（电子工程与计算机科学系） ； Computer Science Department（计算机科学系） ； Center on Frontiers of Computing Studies（计算前沿研究中心） ； School of Computer Science（计算机科学系）
AI总结 针对仅能通过比较两个点函数值大小的比较预言机访问的非凸函数，提出一种算法，以O~(n^2/ε^1.5)次查询找到ε-驻点，并首次给出量子比较预言机下的量子算法，查询复杂度为O~(n/ε^1.5)。
Comments 41 pages, 4 figures. To appear in the Forty-Third International Conference on Machine Learning (ICML 2026)
The Generalization Spectrum: A Chromatographic Approach to Evaluating Learning Algorithms
泛化谱：一种评估学习算法的色谱方法
机构 * ByteDance Seed（字节跳动Seed） ； Hong Kong University of Science and Technology（香港科技大学） ； Princeton University（普林斯顿大学） ； University of Oxford（牛津大学）
AI总结 提出泛化谱框架，通过构建从精确回忆到跨语言实现转移等不同转移距离的测试变体，揭示算法从单个样本泛化到其他样本的程度，并应用于竞争编程任务评估不同学习范式。
Comments Accepted at ICML 2026. 30 pages, 6 figures
Beyond Perplexity: UTF-8 Validity in Byte-aware Language Models
超越困惑度：字节感知语言模型中的 UTF-8 有效性
机构 * University of Tokyo（东京大学） ； National Institute of Information and Communications Technology（信息通信技术国家研究所）
AI总结 研究字节级分词语言模型生成无效UTF-8序列的问题，通过多语言训练实验发现UTF-8有效性收敛比困惑度慢约一倍，且罕见字符结构有效性更高，表明可靠UTF-8生成是需要单独评估的能力。
Comments ICML 2026
Position: Align AI to Our Aspirations, Not Our Flaws
立场：将AI对齐于我们的抱负，而非缺陷
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文主张AI不应与聚合的人类偏好对齐，而应基于能力、事实准确性、诚实和合法性等客观目标底线，在底线之上允许多元价值权衡。
Journal ref Pluralistic Alignment Workshop at ICML 2026
Does AI Reviewer See the Full Picture? Attacking and Defending Multimodal Peer Review
AI审稿人是否看到全貌？攻击与防御多模态同行评审
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 针对AI同行评审易受多模态对抗攻击的问题，提出PaperGuard基准，包含多领域数据集、统一攻击套件和基于分块嵌入搜索的实用防御方法。
Comments Accepted to ICML 2026, Project Page: https://paper-guard.github.io/
Metadata Predictability Is Not Evidence Dependence: An Intervention-Based Audit for Weak-Label Benchmarks
元数据可预测性并非证据依赖性：基于干预的弱标签基准审计
机构 * Jinglue Technology Development (Nanjing) Co., Ltd.（景庐科技发展（南京）有限公司）
AI总结 针对弱标签基准，提出结合元数据统计（MPDS）和证据干预统计（ΔEvi）的审计方法，通过合成和重构数据集验证了仅依赖元数据筛查的不足，并强调校准的重要性。
Comments 4 pages, 1 figure, 1 table. Accepted at ICML 2026 Workshop on Hypothesis Testing
Not All Proofs Are Equal: Evaluating LLM Proof Quality Beyond Correctness
并非所有证明都平等：超越正确性的LLM证明质量评估
机构 * INSAIT（INSAIT研究所） ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱孟·奥赫里迪斯基"） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出ProofRank基准，评估证明的简洁性、计算便捷性、认知简单性、多样性及适应性，揭示正确性之外的证明质量差异及优劣权衡。
Comments 9 main text pages, 36 total pages, Accepted at ICML 2026 AI for Math workshop
