期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
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
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
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
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：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
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)
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
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
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
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)
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
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
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
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/
黑盒辅助回归：相变与极小化最优性
机构 * School of Mathematics and Statistics（数学与统计学学院）
AI总结 研究有限标注下利用固定黑盒预测器进行非参数回归的问题，发现风险在临界半径处发生相变，并提出安全残差估计器以避免负迁移，达到极小化最优。
Comments 23 pages, 3 figures. Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
面向3D计算机断层扫描的疾病中心视觉语言预训练与混合视觉编码
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab, 310023, Hangzhou, China（虎扑实验室，杭州，中国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Zhejiang University, China（浙江大学，中国） ； Fudan University, China（复旦大学，中国）
AI总结 提出一种结合CNN-ViT混合编码器、疾病级对比学习和诊断感知提示的视觉语言预训练框架，在CT-RATE和Rad-ChestCT上取得最优性能，并提升零样本诊断可靠性。
Comments ICML 2026
LibEvoBench：探测代码生成模型中的时间知识分层
机构 * Faculty of EEMCS, Delft University of Technology, Delft, Netherlands（代尔夫特理工大学电子工程与信息科学学院） ； JetBrains Research, Amsterdam, Netherlands（JetBrains研究）
AI总结 针对LLM在代码生成中因训练数据时间混合导致API版本混淆的问题，提出多版本基准LibEvoBench和新指标SEUS，揭示模型对版本不敏感且仅靠文档可提升准确性。
Comments Accepted at the DL4Code workshop at ICML 2026
FactorLibrary: 从多项式到电路通过递归子目标
机构 * University of Washington, Seattle, WA, USA（华盛顿大学）
AI总结 将有限域上多项式的最小算术电路发现建模为强化学习问题，提出FactorLibrary存储可分解子表达式作为子目标，使用PPO+MCTS的top-down方法在复杂度8以内达到91.8%的成功率。
Comments 14 pages, 8 figures, in 3rd AI for Math Workshop (ICML 2026)
基于技能划分与复用的离线多智能体持续协作
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Polixir Technologies.（Polixir技术公司） ； Kuang Yaming Honors School, Nanjing University（匡杨明荣誉学院，南京大学）
AI总结 提出COMAD框架，通过自编码器从离线数据中发现可复用技能，并利用密度估计器指导优势函数，解决多智能体持续学习中的灾难性遗忘和干扰问题。
Comments 29 pages, 12 figures, ICML 2026
REViT: 旋转反射等变卷积视觉Transformer
机构 * KC Machine Learning Lab（韩国首尔计算机机器学习实验室）
AI总结 提出一种离散旋转反射群等变的视觉Transformer，通过卷积注意力机制保持特征图的旋转、翻转和位置对称性，在图像分类任务中优于现有方法。
Comments Accepted for publication at ICML 2026
CoGeoAD: 基于层次化颜色-几何融合与多视角注意力的零样本3D异常检测
机构 * State Key Laboratory of Opto-Electronic Information Acquisition ； Protection Technology, Anhui University, Hefei, China ； School of Artificial Intelligence, Anhui University, Hefei, China ； College of Intelligence Science ； Technology, National University of Defense Technology, Changsha, China ； School of Mathematics \& Physics, Anhui Jianzhu University, Hefei, China
AI总结 提出CoGeoAD框架，通过像素对齐的多视图图像融合颜色与几何特征，利用数据驱动的多视角注意力和多阶段颜色-几何融合模块，在MVTec3D-AD和Eyecandies基准上实现零样本3D异常检测的最新性能。
Comments ICML 2026
中间层知道什么：从熵动力学检测越狱
机构 * LMU Munich（慕尼黑大学） ； relAI – Konrad Zuse School of Excellence in Reliable AI（relAI – 康拉德·楚泽可靠人工智能卓越学校） ； University of Pisa（比萨大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； School of Engineering, Computing and Mathematics, Oxford Brookes University（牛津布鲁克斯大学工程、计算与数学学院）
AI总结 通过分析冻结LLM各层的token级预测熵轨迹，发现中间层的熵动力学特征（如基于排名的单调趋势分数）能有效检测越狱攻击，且无需额外训练。
Comments Accepted at the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD) 2026. A short version accepted at EIML@ICML 2026
序列学习的几何：李括号预测迁移顺序
机构 * Sideplane AI
AI总结 提出李括号对偶性分数预测序列学习中的源域顺序，通过李括号锦标赛实现O(N log N)排序，在指令微调和DPO中达到高准确率。
Comments Accepted to ICML 2026. 20 pages, including appendices
Dustin: 用于高效长上下文推测解码的草稿增强稀疏验证
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Cornell University（康奈尔大学）
AI总结 提出Dustin框架，利用草稿模型的前瞻信号和目标模型的历史注意力，在推测解码中实现高效稀疏验证，显著加速长上下文生成。
Comments Accepted to ICML 2026. 9 pages main text, includes references and appendix
桥接球形黑箱优化器
机构 * The University of Tokyo（东京大学）
AI总结 将进化策略、共识优化和积分优化统一为理论框架，通过引入混合优化器控制平坦偏好和模态，在连续控制和语言模型合并任务中提升性能与鲁棒性。
Comments Accepted for publication at ICML 2026
自然去突现：不对称控制哪些规则在预训练中幸存
机构 * Harvard University（哈佛大学）
AI总结 发现语言模型在预训练中学习规则后会自动遗忘，规则存亡由训练数据中支持频率决定，且遗忘不可逆。
Comments Foundations of Deep Generative Models (FoGen) Workshop at ICML 2026. 23 pages (5-page main text plus appendices), 5 figures. Code: https://github.com/lijuliana/Natural-Ungrokking
分片世界模型：通用智能体的结构化认证
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, Shenzhen, China（香港中文大学（深圳）数据科学学院）
AI总结 针对通用智能体在大世界场景下无法普遍胜任的问题，提出结构化认证框架，通过深度组合目标过滤特定转移，证明世界模型具有O(1/n)+O(δ)误差界，实现可认证部署。
Comments 30 pages, camera-ready version in ICML 2026
Grad Detect: 基于梯度的 LLM 幻觉检测
机构 * Amazon（亚马逊）
AI总结 提出 Grad Detect，通过单次前向-反向传播中的逐层梯度模式检测 LLM 幻觉，在多项基准上优于置信度与采样基线，并发现最后五层集中了97%以上的判别梯度信号。
Comments Accepted to the 2nd Workshop on Compositional Learning at ICML 2026, Seoul, South Korea. Copyright 2026 by the author(s)
Journal ref 2nd Workshop on Compositional Learning: Safety, Interpretability, and Agents, ICML 2026
LaGO：面向在线强化学习的潜在动作引导
机构 * Siebel School of Computing（计算科学系） ； Data Science, University of Illinois Urbana-Champaign, USA（数据科学，伊利诺伊大学厄巴纳-香槟分校，美国） ； Department of Computer Science, National Yang Ming Chiao Tung University, Taiwan（计算机科学系，National Yang Ming Chiao Tung大学，台湾） ； Institute of Information Science, Academia Sinica, Taiwan（信息科学研究所， Academia Sinica，台湾）
AI总结 提出LaGO框架，利用预训练大语言模型作为潜在动作先验，软引导在线策略优化，在离散和连续控制基准上显著提升奖励与成功率。
Comments 9 pages, 2 figures. Accepted at the ICML 2026 Workshop on Large Language Models for Planning (LM4Plan)
SAFARI: 通过主动调查扩展长时域智能体故障归因
机构 * Department of Engineering Sciences（工程科学系） ； Applied Mathematics, Northwestern University（应用数学，西北大学）
AI总结 提出SAFARI框架，用工具增强的诊断循环替代线性上下文加载，结合短期记忆解耦诊断准确性与上下文限制，在Who&When和TRAIL GAIA数据集上分别提升20%和19%，并在超出上下文窗口5倍时保持0.58精度。
Comments Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026
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