ICML

Von Mises-Fisher Mixture Model with Dynamic Shrinkage for Realistic Test-Time Transduction

用于现实测试时转导的具有动态收缩的冯·米塞斯-费舍尔混合模型

Jiazhen Huang, Zhiming Liu, Changhu Wang, Wei Ju, Ziyue Qiao, Xiao Luo

AI总结 研究针对测试时视觉语言模型性能问题，从惩罚似然估计角度提出具有动态收缩的冯·米塞斯-费舍尔混合模型（MOON），该模型基于分布混合建模，能动态调整收缩强度处理不平衡，无需训练和特定超参，实验验证其性能和效率优势。

Comments Accepted by ICML 2026

Journal ref ICML 2026

Efficient Difficulty-Aware Dynamic Routing for Diffusion-Based Real-World Image Super-Resolution

基于扩散的真实世界图像超分辨率的高效难度感知动态路由

Xue Wu, Kang Zhao, Kafeng Wang, Jianfei Chen, Jingwei Xin, Nannan Wang, Xinbo Gao

AI总结 研究基于扩散的真实世界图像超分辨率方法的局限，提出难度感知动态路由（DDR）策略，设计难度估计器并构建不同容量网络，实验证明该模型相比现有方法在效率和有效性上更具优势。

Comments ICML 2026 under review

Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling

立场：量子程序生成必须优先考虑有效性而非概率缩放

Junhao Song, Yu Zhou, William Knottenbelt, Yudong Cao

机构 * IBM（IBM公司） ； DeepMind（深度思维公司） 纠错

AI总结 该论文指出将概率范式用于量子电路合成有误，因量子电路有语法语义差距，未经验证的训练使模型难掌握物理语义，有效子集随量子比特数指数衰减。提出转向以验证器为中心，集成多种元素到生成中，验证意识架构是可行途径，应编码特定规则而非仅靠模仿。

Comments Accepted to ICML 2026: https://openreview.net/forum?id=oX1vWuQ13y