Is this Citation on Point?
该引用是否相关？
AI总结 本文针对现有大语言模型法律用例评估忽视的“指向真实案件却不支持主张”的引用问题，通过扰动真实法律引用验证14种模型配置，发现模型易混淆主题识别与页码级支持验证能力，规模与推理能力仅能部分缩小错精准页码扰动的检测差距。
Comments Accepted to the 1st Workshop on AI for Law at ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
LoKiFormer: Locality-aware Attention with Decoupled Knowledge Memory for Efficient Large Language Model Pretraining
LoKiFormer：面向高效大语言模型预训练的 locality-aware 注意力与解耦知识记忆
机构 * AIGCode ； South China University of Technology（华南理工大学） ； Pazhou Laboratory（琶洲实验室）
AI总结 针对LLM预训练效率问题，提出含局部融合注意力与知识记忆模块的LoKiFormer，使预训练收敛速度提升1.33倍，性能优于现有架构。
Comments Accepted by ICML 2026
Position: We Need Practical AI Alignment Methods to Mirror Human Reasoning
立场：我们需要实用的AI对齐方法来镜像人类推理
AI总结 该论文提出需实用AI对齐方法镜像人类推理，指出认知对齐可提升AI可理解性与可信赖度，提出研究议程以缩小现有对齐方法与认知对齐需求的差距，助力用户信赖AI系统。
Comments Accepted in ICML 2026
Position: The Alignment Community is Unintentionally Building a Censor's Toolkit
立场：对齐社区正在无意之中构建审查者的工具包
AI总结 该立场论文指出现代AI对齐方法是两用技术，可能被恶意滥用，呼吁社区讨论其滥用风险并提出缓解策略。
Comments Accepted as oral paper at ICML 2026
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
Position: Reasoning is a Learnable Rule-Based Process
立场：推理是一个可学习的基于规则的过程
AI总结 本文提出推理是可学习的基于规则的过程，针对生成式AI社区推理定义模糊问题，给出操作定义与研究交流最佳实践清单，以保障推理评估的结构效度。
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
XYZFlow:Scaling Multi dimensional Shortcut Flows for Efficient Generative Modeling
XYZFlow：用于高效生成建模的多维捷径流缩放方法
机构 * CUHK（香港中文大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 XYZFlow框架通过流匹配的多维缩放实现高效图像生成，兼具7.2-8.5倍的教师模型速度提升与竞争力FID，其下一捷径预测可实现更优的质量-延迟权衡。
Comments ICML 2026 (16 pages, 5 figures)
Do Transformers Need Three Projections? Systematic Study of QKV Variants
Transformer 需要三个投影吗？QKV 变体的系统研究
机构 * Ali Kayyam ； Anusha Madan Gopal ； M Anthony Lewis
AI总结 本文系统研究了注意力机制中查询、键、值投影共享的变体，发现 Q-K=V 共享在语言建模中仅以 3.1% 的困惑度损失实现 50% 的 KV 缓存减少，且与头共享结合可达到 96.9% 的缓存减少，从而支持设备端推理。
Comments Accepted at ICML 2026 (PMLR vol. 306). 26 pages, 12 figures, 16 tables. Code: https://github.com/Brainchip-Inc/Do-Transformers-Need-3-Projections
Reinforcement Learning with Pairwise Preferences in Long-Term Decision Problems
长期决策问题中基于成对偏好的强化学习
机构 * School of Computer Science, McGill University, Montreal, Quebec, Canada（麦吉尔大学计算机科学学院） ； Mila - Quebec AI Institute, Montreal, Quebec, Canada（魁北克人工智能研究所） ； Department of Electrical Engineering, Stanford University, Stanford, California, USA（斯坦福大学电气工程系）
AI总结 针对长期决策问题中基于成对偏好的强化学习效率低且缺乏马尔可夫策略最优性保证的问题，提出马尔可夫决策竞赛模型，证明平稳马尔可夫策略最优性、求解复杂度为P，并给出亚线性收敛算法，在高维长期问题中显著提升学习效率。
Comments Accepted for ICML 2026. v2 has an updated abstract and introduction. Results and conclusions are unchanged
CoLA: Cross-Modal Low-rank Adaptation for Multimodal Downstream Tasks
CoLA: 跨模态低秩适配用于多模态下游任务
机构 * Centre for Vision, Speech and Signal Processing (CVSSP)（视觉、语音和信号处理中心） ； University of Surrey（塞维利亚大学） ； Surrey Institute for People-Centred AI（以人为本的人工智能研究所）
AI总结 提出CoLA框架，通过引入跨模态适配路径扩展LoRA，实现双流架构中单模态基础模型的高效多模态适配，在视觉-语言和音频-视觉任务上分别提升约3%和2%的相对性能。
Comments Accepted by ICML 2026, 17 pages, 6 Figures
StarEmbed: Benchmarking Time Series Foundation Models on Astronomical Observations of Variable Stars
StarEmbed：在变星天文观测上对时间序列基础模型进行基准测试
机构 * Department of Computer Science, Northwestern University（计算机科学系，西北大学） ； Center for Foundation Models and Generative AI, Northwestern University（基础模型与生成AI中心，西北大学） ； NSF – Simons AI Institute for the Sky (SkAI)（国家科学基金会-斯隆人工智能天文研究所（SkAI）） ； Department of Physics and Astronomy, Northwestern University（物理与天文学系，西北大学） ； Center for Interdisciplinary Exploration and Research in Astrophysics (CIERA)（天文学跨学科探索与研究中心（CIERA）） ； Department of Statistics and Data Science, Northwestern University（统计与数据科学系，西北大学）
AI总结 StarEmbed首次在变星天文观测上对时间序列基础模型进行基准测试，展示了TSFMs在天文任务中的优越性能和泛化能力。
Comments Accepted at ICML 2026
How to Spend Your Oracle Budget: Practical Guidance for Protein Structure Prediction Models
如何使用你的专家预算：蛋白质结构预测模型的实用指南
机构 * InstaDeep Ltd（InstaDeep公司） ； University of Oxford（牛津大学） ； Lancaster University（兰卡斯特大学）
AI总结 本研究针对蛋白质结构预测模型的专家预算约束，通过基准测试FK-steering、DPO、Best K-of-N采样及O3方法，明确不同预算下的最优方法并给出实用选择建议。
Comments Proceedings of the ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)
Reducing Per-Sample Interference in Stochastic Optimization
减少随机优化中的样本级危害
机构 * Amadeus（阿马德乌斯）
AI总结 研究随机优化中样本级危害问题，提出将参数更新形式化为优化问题，引入高效代理，通过降维、限制优化层等方法减少内存和速度瓶颈，集成到标准优化器，实验证明能减少样本干扰、提升泛化能力。
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
WBMM: Windowed Batch Matrix Multiplication for Efficient Large Receptive Field Convolution
WBMM: 窗口化批量矩阵乘法实现高效大感受野卷积
机构 * Hefei University of Technology, Hefei, China（合肥工业大学） ； Lingyang Industrial Internet Co., Ltd., Hefei, China（灵阳工业互联网有限公司） ； Kochi University of Technology, Kochi, Japan（Kochi大学技术）
AI总结 提出WBMM方法，通过窗口化批量矩阵乘法替代逐点卷积，实现大感受野下的高效计算，在ImageNet等任务上取得加速与精度提升。
Comments 23 pages, 4 figures. Accepted as a Spotlight paper at ICML 2026. Code available at https://github.com/wansong-s/WBMM
Linear-Core Surrogates: Smooth Loss Functions with Linear Rates for Classification and Structured Prediction
线性核心替代方案：用于分类和结构预测的平滑损失函数与线性速率
机构 * Google Research（谷歌研究） ； Courant Institute of Mathematical Sciences（Courant数学科学研究所）
AI总结 本文提出线性核心替代方案，结合平滑损失的优化优势与边际损失的统计效率，提升结构预测的计算效率和鲁棒性。
Comments ICML 2026
Mind the Gap: Structure-Aware Consistency in Preference Learning
注意间隙：在偏好学习中的结构感知一致性
机构 * Google Research（谷歌研究） ； Courant Institute of Mathematical Sciences（数学科学学院）
AI总结 本文提出结构感知H一致性框架，通过引入SA-DPO目标函数，改进偏好学习中的一致性问题，证明重尾 surrogate 在容量受限模型中具有更好的一致性保证。
Comments ICML 2026
Optimized Deferral for Imbalanced Settings
优化不平衡设置下的延迟策略
机构 * Google Research（谷歌研究） ； Courant Institute of Mathematical Sciences（Courant数学科学研究所）
AI总结 本文研究了在专家不平衡情况下两阶段学习延迟方法，提出新的成本敏感学习算法MILD，通过改进损失函数和保障机制，提升了图像分类和LLM路由任务的性能。
Comments ICML 2026
Post-Training with Policy Gradients: Optimality and the Base Model Barrier
训练后使用策略梯度：最优性和基础模型障碍
AI总结 本文研究了训练后使用策略梯度方法在序列预测中的最优性和基础模型限制，提出通过过程奖励模型克服支持范围障碍，并展示了自适应学习率的SGD和PG在统计学习和在线学习中的有效性。
Comments 39 pages, 2 figures. Published at the International Conference on Machine Learning (ICML) 2026
A Theoretical Framework for Modular Learning of Robust Generative Models
模块化鲁棒生成模型的理论框架
AI总结 本文提出模块化鲁棒生成模型的理论框架，通过门控机制结合预训练专家，理论证明其在数据混合下的稳健性，并通过实验验证其优于整体模型的性能。
Comments ICML 2026
SpatialJB: How Text Distribution Art Becomes the "Jailbreak Key" for LLM Guardrails
SpatialJB: 文本分布艺术如何成为LLM防护机制的'突破密钥'
AI总结 SpatialJB通过破坏LLM输出生成过程，利用空间结构扰动突破现有防护机制，实验显示其高效性，同时提出基础防御策略以应对此类攻击。
Journal ref ICML 2026
SteeringSafety: Benchmarking Representation Steering in LLMs Across Safety Perspectives
SteeringSafety：针对大语言模型在多安全视角下的表征引导基准测试
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究推出SteeringSafety基准，测试DIM等引导方法在3款大模型的9种安全视角表现，发现方法与模型、视角的匹配影响性能，且存在多视角纠缠问题，需多安全角度评估引导方法。
Comments Accepted at ICML 2026
Neural Event-Triggered Control with Optimal Scheduling
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:71569-71592, 2025
Proteo-R1: Reasoning Foundation Models for De Novo Protein Design
Proteo-R1：用于从头蛋白质设计的推理基础模型
AI总结 针对现有从头蛋白质设计模型缺乏推理能力的问题，本文提出 Proteo-R1 双专家架构框架，通过 MLLM 识别关键功能残基作为硬约束，结合扩散模型实现稳定可解释的蛋白质设计。
Journal ref ICML 2026
Energy and Performance Benchmarking of Deep Learning Models for Breast Cancer Detection
用于乳腺癌检测的深度学习模型的能效与性能基准测试
AI总结 本文在乳腺超声、BreakHis 400X 两个数据集上对比七种深度学习模型的能效与性能，发现不同模型在两个数据集上的表现不同，需综合多维度选择医学应用模型。
Comments Accepted at ICMLA 2026 (IEEE International Conference on Machine Learning and Applications). Camera-ready version submitted
Diffract: Spectral View of LLM Domain Adaptation
Diffract：大语言模型领域自适应的谱视角
AI总结 本研究提出Diffract工具包，通过分析持续预训练的大语言模型的权重矩阵奇异值谱，发现可选择性回退低重要性注意力头以提升领域适配性能，实现高效的领域自适应。
Comments Accepted at ICML 2026. Code: https://github.com/Risk-AI-Research/diffract
Toward Human Rights Benchmarking for LLMs: A Pilot Methodology
面向大语言模型的人权基准测试：一种试点方法
AI总结 该研究开发了首个经专家验证的人权基准HumRightsBench，调整IRAC框架为IRAP，通过真实场景测试LLMs的人权推理能力，发现模型准确率差异显著，可推动AI评估科学发展。
Comments Best paper, honorable mention, at the ICML 2026 Workshop on AI4Law, Seoul, South Korea
Position: We Need Large Language Models Optimized For Our Well-Being
立场：我们需要针对人类福祉优化的大语言模型
AI总结 本文指出大语言模型因追求即时认可出现谄媚问题，提出需开发针对长期福祉结果优化的可选大语言模型福祉模式，明确其设计的三大核心张力。
Comments Accepted to the ICML 2026 Position Paper Track
Position: The Inevitable Transition to Machine Learning in Quantum Chemistry
量子化学中向机器学习的必然转变
机构 * Institute of Chemistry, Academia Sinica, Taipei, Taiwan（中国科学院化学研究所）
AI总结 量子多体问题精确解计算难，传统方法发展遇瓶颈，机器学习被认为是量子化学最有前途的方向，它不受问题本质限制，近期传统方法可视为“手工制作机器学习”，虽有挑战但有路径，应获战略优先。
Comments Accepted as a position paper at ICML 2026. OpenReview forum: https://openreview.net/forum?id=Mq1oTEIwp4
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
Foundations of Equivariant Deep Learning: Unifying Graph and Sheaf Neural Networks
等变深度学习基础：统一图神经网络和层神经网络
AI总结 扩展几何深度学习利用更丰富对称结构，开发等变神经网络，刻画线性等变映射，构建层并证明连续等变映射的通用逼近定理，还扩展到范畴等变神经网络，给出等变神经网络通用形式及定理。
Comments Accepted at ICML 2026 as a spotlight paper with oral presentation
The Truth Stays in the Family: Enhancing Contextual Grounding via Inherited Truthful Heads in Model Lineages
真相留在家族中：通过模型谱系中继承的真相头增强上下文基础
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 研究发现基础LLM与下游变体间存在上下文真相分数的强继承性，提出TruthProbe软门控策略放大真相头以提升上下文真实性并减少多模态幻觉。
Comments Accepted at ICML 2026
Dissect and Prune: Enhancing Robustness in AI-Generated Image Detection
剖析与剪枝：增强AI生成图像检测的鲁棒性
机构 * Korea AI Safety Institute (AISI), ETRI, Seongnam, South Korea（韩国人工智能安全研究所（AISI）、ETRI、Seongnam韩国） ； Department of Artificial Intelligence, Sungkyunkwan University, Suwon, South Korea（人工智能系，全州大学，Suwon韩国）
AI总结 针对AI生成图像检测器对真实类别的预测偏差问题，提出DEAR方法，利用修复图像识别并剪除干扰特征，从而提升对未知生成器和后处理的鲁棒性。
Comments Accepted to ICML 2026. 26 pages, 9 figures, 9 tables. Includes appendix
