期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
专有数据集保护的水印技术
机构 * University of Maryland（马里兰大学） ； Lawrence Livermore National Labs（劳伦斯利弗莫尔国家实验室）
AI总结 针对生成模型训练数据成员推断难题，提出基于水印的数据集推断方法，在子集暴露充分时达到与传统损失法相当的检测性能。
Comments 8 pages and 6 figures in the main body; presented at the ICML 2026 Workshop on Trustworthy AI for Good
蒸馏检测：通过弹药筒蒸馏揭露大语言模型中的隐蔽偏见
机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Foundation AI–Cisco Systems Inc.（Foundation AI–思科系统公司）
AI总结 提出Distill to Detect (D2D)方法，通过蒸馏模型与基座之间的分布偏移到KV缓存前缀适配器中，放大隐蔽偏见信号至可检测程度，并基于Fisher加权投影理论解释其有效性。
Comments Accepted to the ICML 2026 Workshops on TAIGR, AI4GOOD, Mechanistic Interpretability, and CoLoRAI
为何解决两次？面向迁移高效机器学习工程的层次化技能积累
机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
AI总结 提出HASTE层次化多智能体系统，通过三级范围（全局、领域、竞赛特定）组织跨竞赛知识，在MLE-Bench Lite基准上实现77.3%奖牌率，冷启动相比热启动减少52%迭代次数。
Comments 19 pages. Accepted to the 5th Workshop on Deep Learning for Code (DL4C), ICML 2026
MADField: 纳米多孔材料吸附的多保真摊销密度场
AI总结 提出MADField模型，通过多保真学习结合cDFT和GCMC数据，预测吸附平衡密度场并积分得到气体吸收量，在精度和速度上显著超越现有方法。
Comments ICML 2026 AI for Science Workshop
时间序列基础模型基准是否隐藏了依赖于状态的失败？来自交通速度预测的证据
机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； National University of Singapore（新加坡国立大学） ； 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 本文提出状态分层评估方法，发现时间序列基础模型在交通状态转换时准确率和预测区间覆盖率显著下降，并提出了双峰混合增强方法以改善转换状态覆盖。
Comments 5 pages, 2 figures. Accepted at the Workshop on Forecasting as a New Frontier of Intelligence, ICML 2026
LC-QAT: 通过线性约束向量量化实现LLM的数据高效2比特QAT
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出LC-QAT，一种2比特权重量化的向量量化感知训练框架，通过可微的线性映射避免离散码本查找，实现高质量PTQ初始化和端到端优化，仅用0.1%-10%训练数据即超越现有方法。
Comments Accepted by ICML 2026
UniSVQ: 2比特统一标量-向量量化
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出UniSVQ，通过将码字参数化为整数格点的仿射变换，统一标量和向量量化，实现2比特量化下性能优于标量量化、媲美向量量化，且推理吞吐更高。
Comments Accepted by ICML 2026
径向抑制加速算法泛化：延迟泛化的几何分析
机构 * Indian Institute of Technology Roorkee（印度理工学院罗尔基分校）
AI总结 通过几何分析揭示交叉熵优化下隐藏表示的径向膨胀导致记忆-泛化延迟，提出径向惩罚加速泛化，在模算术和加法任务上实现最高6倍加速。
Comments 16 pages, 5 figures, 10 tables. Presented at the Workshop on High-dimensional Learning Dynamics at the 43rd International Conference on Machine Learning (ICML 2026)
保持几何的正交初始化用于RLVR中的低秩适应
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Meta Superintelligence Labs（Meta超级智能实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对RLVR中LoRA初始化问题，提出保持几何的正交初始化方法（RLPO和RLMO），理论证明其最小化与全微调差距，实验表明稳定训练且优于标准LoRA。
Comments 30 pages, accepted to ICML 2026
FLARE-AI：AI缺陷报告
AI总结 针对AI系统缺陷报告生态碎片化问题，提出开源系统FLARE-AI，通过条件逻辑和早期分类简化报告创建，支持标准化机器可读报告分发，降低报告门槛并提升互操作性。
Comments Accepted to ICML 2026
RaBitQCache: 面向长上下文LLM推理中KVCache的旋转二值量化
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Peking University（北京大学）
AI总结 针对长上下文大语言模型推理中KV缓存导致的瓶颈，提出RaBitQCache框架，利用随机旋转二值量化和高效二进制-INT4算术无偏估计注意力权重，实现自适应Top-p检索，加速推理并减少内存I/O。
Comments Accept by ICML 26
TabPATE: 无需公开数据的差分隐私表格上下文学习
机构 * CISPA（CISPA亥姆霍兹信息安全中心） ； Anthropic ； Layer 6 AI
AI总结 提出TabPATE，一种无需公开数据的差分隐私PATE风格防御方法，通过教师模型分区和私有聚合生成学生上下文，在表格基准上保持可用性并将成员推断降至随机水平。
Comments Presented at the 2nd ICML Workshop on Foundation Models for Structured Data (2026)
控制混合：基于Transformer模型的状态感知微调
机构 * Qualcomm AI Research（高通人工智能研究院）
AI总结 提出Mixture-of-Control（MoC）框架，通过稀疏混合专家机制自适应融合局部和全局控制信号，增强Transformer块间信息交换，实现高效微调。
Comments ICML 2026 Workshop on Connecting Low-rank Representations in AI, CoLoRAI, 26 pages, 12 figures, 5 tables
超越二元乐器问答：探究音乐音频-语言模型中的乐器接地
AI总结 本文通过多轴诊断基准测试发现，音乐音频-语言模型在二元乐器问答中的高准确率常掩盖选项位置偏差、易混淆乐器错误和时间响应偏差等问题，表明乐器接地评估需采用多维度基准而非单一准确率。
Comments Workshop on Machine Learning for Audio, ICML 2026
重新审视体积假说
AI总结 通过复制交换Wang-Landau算法估计二元网络中的联合态密度，研究梯度学习与随机采样在泛化性能上的差异如何随训练数据量变化，发现数据量增大时梯度学习的优势减弱，从而解释了关于体积假说的矛盾实验结果。
Comments Accepted to ICML 2026
探测表格上下文学习中的记忆化
机构 * SAP SE（SAP公司）
AI总结 提出ICLMEM框架探测表格基础模型在上下文学习中的参数记忆化，发现低基数任务中存在中等记忆信号，但实际训练条件下信号消失。
Comments Accepted at 2nd ICML Workshop on Foundation Models for Structured Data, 2026
探针选择改变金丝雀记忆判定：在文本主导的LoRA微调自回归测试平台上的三个事后分歧案例研究
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northeastern University（东北大学）
AI总结 研究在Qwen2.5-VL-7B金丝雀测试平台上，固定窗口均值NLL记忆探针与全跨度秘密NLL或贪婪精确召回之间的分歧，发现窗口截断、非秘密漂移和窗口内下降三种案例，建议报告全跨度秘密NLL、跨度局部分解、行为精确召回和诱饵探针。
Comments ICML 2026 FoGen Workshop camera-ready. 17 pages, 4 figures, 12 tables
PPT-Eval: 面向PowerPoint任务的计算机使用智能体基准
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft（微软） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； Google（谷歌） ； Snowflake
AI总结 提出PPT-Eval基准，包含120个PowerPoint任务，并设计基于评分标准的评估框架，通过部分评分和自然语言反馈衡量智能体表现，发现现有最强模型仅达45%成功率。
Comments Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
Fleet: 少量样本引导的有效AI生成图像检测
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对AI生成图像检测中静态特征空间泛化能力不足的问题，提出动态适应框架Fleet，通过约束路由校正实现少量样本快速适应新兴生成器，在64模型基准上将性能从20.4%提升至73.1%。
Comments 25 pages, accepted by ICML 2026
压缩表示空间中的运动规划
机构 * MIT LIDS（麻省理工学院信息与决策系统实验室）
AI总结 提出一种生成式框架，通过高压缩率自编码器学习离散层级化潜在空间，并在其中直接搜索进行运动规划，兼顾灵活性与效率，无需任务特定训练。
Comments To appear in the Proceedings of the 43rd International Conference on Machine Learning
梯度平滑：耦合逐层更新以改进优化
机构 * Vector Institute（向量研究所）
AI总结 提出深度梯度增强框架，通过窗口平滑算子沿深度方向变换优化器更新，在不改变模型架构或训练目标下提升多种架构和任务的优化与泛化性能。
Comments Published in the Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
安全--保真度权衡：提示注入防御的隐藏成本
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊）
AI总结 本文发现防御间接提示注入会损害需要保留未信任文本的任务（如翻译），引入SecFid基准衡量保真度，揭示安全与保真度之间存在权衡，且无固定防御可同时最优。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 34 pages, 4 figures
什么驱动了来自反馈的交互式改进？
机构 * University of Warsaw（华沙大学） ； AKCES NCBR ； Princeton University（普林斯顿大学） ； Mistral AI ； Institute of Mathematics, Polish Academy of Sciences（波兰科学院数学研究所）
AI总结 通过受控的学生-教师协议，分离反馈、重试和格式修正对多轮语言智能体性能提升的影响，发现有用反馈必须提供超越通用重试的指导，且学生利用反馈的能力是交互改进的关键瓶颈。
Comments 9 pages, 7 figures, accepted to the RLxF Workshop at ICML 2026
基于加速度计的心血管代谢风险数字生物标志物：一个具有不确定性量化的群体代表性表格基准
机构 * SIIAM, Rome, Italy（意大利罗马SIIAM）
AI总结 基于NHANES 2003-2006数据构建加速度计心血管代谢基准，评估三种表格学习方法预测HbA1c、甘油三酯和CRP的性能，并应用分裂共形预测进行不确定性量化与公平性分析。
Comments Accepted at the SD4H Workshop at ICML 2026
深度神经网络的低维拓扑
机构 * University of Chicago（芝加哥大学）
AI总结 通过限制每层宽度为3，研究前馈网络、ResNet和Transformer如何改变低维拓扑不变量（如环绕数），揭示不同架构的表达能力差异。
Comments Accepted at ICML 2026
PerceptionRubrics：将多模态评估校准至人类感知
机构 * Johns Hopkins University（约翰霍普金斯大学） ； StepFun ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
AI总结 提出基于准则的评估框架PerceptionRubrics，通过双流准则和门控评分机制，解决基准分数饱和而实际脆弱性问题，揭示可靠性差距、开源与闭源感知差异，并实现与人类感知的高度对齐。
Comments ICML 2026. Project page: https://weiyana.github.io/PerceptionRubrics
大小无关：余弦评分稀疏自编码器
AI总结 针对稀疏自编码器中内积评分受输入范数干扰的问题，提出余弦评分方法，使特征检测更关注方向对齐，实验表明该方法能更频繁地学习到人类可识别的概念。
Journal ref ICML 2026, Spotlight at the Mechanistic Interpretability Workshop
面向大语言模型的推理时保形推理与有效事实性控制
机构 * Machine Learning, ICML（机器学习，国际机器学习大会）
AI总结 提出推理时保形推理框架，将保形预测集成到推理图生成中，通过图级不确定性校准生成停止阈值，实现有效事实性控制。
Comments Accepted at ICML 2026
LLawCo: 学习合作法则以建模具身多智能体行为
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
AI总结 提出LLawCo框架，通过反思失败提取行为模式并推导高层合作法则，结合监督微调融入推理，提升具身多智能体在分散部分可观测环境中的合作效率与任务成功率。
Comments Accepted to ICML 2026
越狱攻击下的鲁棒有害特征：来自大型语言模型中注意力头特化的机制证据
AI总结 通过分析注意力头特化，发现越狱攻击通过抑制早期层的对抗妥协头（ACHs）绕过安全对齐，而中间层的安全对齐头（SAHs）保持鲁棒激活，揭示了鲁棒有害特征现象，并利用这些持久激活实现无需训练的检测。
Comments 33 pages, 19 figures. Accepted at ICML 2026 as an Oral presentation
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈