Symbal: Detecting Systematic Misalignments in Model-Generated Captions
Symbal：检测模型生成字幕中的系统性对齐错误
AI总结 研究多模态大语言模型生成图像字幕时的系统性对齐错误检测问题，提出利用现成基础模型的结构化双阶段设置的Symbal方法，引入SymbalBench基准，Symbal在基准上表现出色，可辅助审核MLLM生成的字幕。
Comments ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Stop Thinking, Start Looking: Efficient Post-Training for Multimodal Document Question Answering via Reasoning-Free Alignment
停止思考，开始观察：通过无推理对齐实现多模态文档问答的高效训练后优化
AI总结 研究多模态文档问答中高效训练后优化问题，提出感知 - RFT 框架，用组相对策略优化绕过推理令牌直接对齐视觉与基础输出，通过构建变体评估推理必要性，发现启用推理模型有优势，还识别基础差异，表明早期转换可减少训练数据并保持精度。
Comments Accepted at ICML 2026, Workshop on Efficient Multimodal Question Answering (EMM-QA)
Democratizing Agent Deployment Safety: A Structural Monitoring Approach
使智能体部署安全民主化：一种结构监测方法
AI总结 研究人工智能智能体部署安全问题，引入信息流图（IFG）监测器，通过控制流、数据流图及原始代码差异分析结构安全回归。实验表明，IFG监测器能降低攻击错过率，还可同步作为部署前保障，为组织实现部署安全民主化提供实用途径。
Comments Accepted in ICML 2026 Workshops: AI4GOOD and AIWILD
Copy-on-Write Scoring: Application-Specific Agent Evaluations
写时复制评分：特定应用代理评估
AI总结 研究如何在软件系统中可靠部署基于大语言模型的代理，提出写时复制（CoW）评分框架，利用PostgreSQL级机制在应用环境中直接评估代理操作，能低成本评估迭代，在开源平台上验证了该框架的有效性。
Comments 15 pages, 11 figures, accepted at ICML 2026 Second Workshop on Agents in the Wild: Safety, Security, and Beyond
ToolAlignBench: Investigating Alignment Conflicts in Tool-Calling Enabled LLMs
ToolAlignBench：研究启用工具调用的大语言模型中的对齐冲突
机构 * School of Computing \& AI, Arizona State University, Tempe, AZ, USA
AI总结 研究受监管行业中工具调用大语言模型智能体的安全对齐冲突，构建含128个场景的基准测试，发现安全对齐开源模型有时会违背部署指令，擦除可降低举报率，揭示多元对齐矛盾，发布基准测试框架。
Comments Accepted to the Pluralistic Alignment Workshop at ICML 2026
Position: Explainability Research Must Prioritize Foundations over Ad-hoc Methods
立场：可解释性研究必须优先考虑基础而非临时方法
AI总结 该论文指出可解释人工智能技术虽多但未有效影响实际工作流程，原因是存在基础缺陷。主张机器学习社区从临时方法转向解决基础和结构挑战，通过分析论文和调查从业者揭示问题，最后给出清单推动XAI走向以人为本、行动导向范式。
Comments Accepted to ICML 2026 Position Paper Track
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
L-MARS: Legal Multi-Agent System with Agentic Search and Citation-Faithfulness Audit
L-MARS：具有协调推理和代理搜索的法律多智能体工作流
机构 * University of Southern California（南加州大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 L-MARS是一种多代理检索框架，通过分解查询为结构化子问题，利用代理网络搜索获取证据，并通过验证代理过滤结果，从而在法律问答中实现高准确率。
Comments Accepted at the AI4Law Workshop at ICML 2026
Language as a Wave Phenomenon: Semantic Phase Locking and Interference in Neural Networks
语言作为波的现象：神经网络中的语义相位锁定与干涉
机构 * Independent Researcher, Türkiye（土耳其独立研究者） ； Department of Computer Engineering, Düzce University, Düzce, Türkiye（杜泽大学计算机工程系）
AI总结 本文探讨神经序列模型中相位的作用，提出PRISM模型通过复值编码和相位锁定实现语义信息编码，发现相位结构能有效区分同义词对，并展示相位表示在对抗噪声时的鲁棒性。
Comments ICML 2026
InfoFlow KV: Information-Flow-Aware KV Recomputation for Long Context
InfoFlow KV：面向长上下文的信息流感知KV重计算
机构 * New York University（纽约大学） ； Duke University（杜克大学）
AI总结 提出将选择性KV重计算建模为信息流问题，利用查询的注意力范数信号识别语义相关且结构上能传播信息的token，并引入信息流引导的块重排序策略，在LLM和VLM基准上优于现有方法。
Comments In proceedings of the 43rd International Conference on Machine Learning (ICML 2026). Project page: https://infoflow-kv.github.io
PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models
PhotoAgent: 带探索性视觉审美规划的代理照片编辑
机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII）
AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。
Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/
Adaptive Time Series Reasoning via Segment Selection
通过片段选择的自适应时间序列推理
机构 * harvard（哈佛大学） ； mit（麻省理工学院） ； mitll（MIT林肯实验室） ； hongkong（香港科学与技术大学）
AI总结 提出ARTIST框架，将时间序列推理建模为序列决策问题，通过控制器-推理器架构和强化学习自适应选择信息片段，提升推理准确率。
Comments ICML 2026
Stabilizing Native Low-Rank LLM Pretraining
稳定原生低秩大语言模型预训练
机构 * Concordia University, Montreal, Canada（Concordia 大学） ； Mila Quebec AI Institute, Montreal, Canada（Quebec AI 研究院） ； Sorbonne University, CNRS , Paris , France（Sorbonne 大学）
AI总结 本文提出Spectron方法，通过谱归一化实现稳定原生低秩大语言模型预训练，显著提升推理效率并优化计算资源使用。
Comments Accepted at ICML 2026
To Grok Grokking: Provable Grokking in Ridge Regression
理解Grokking：岭回归中可证明的Grokking现象
机构 * Department of Computer Science, Purdue University, West Lafayette, IN, USA（普渡大学计算机科学系） ； Department of Computer Science（计算机科学系） ； Applied Mathematics, Weizmann Institute of Science, Israel（科学应用数学系，魏茨曼研究院） ； Stein Faculty of Computer（斯坦因计算机科学学院） ； Information Science, Ben-Gurion University of the Negev, Israel（信息科学系，本· Gurion 军事大学）
AI总结 本文在经典岭回归设置中研究grokking现象，证明使用带权重衰减的梯度下降学习过参数化线性回归模型时，存在过拟合、泛化延迟和最终泛化误差任意小的三个阶段，并首次给出泛化延迟（grokking时间）的严格定量界，同时通过实验表明该界也适用于非线性神经网络。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)
Step-Tagging: Toward controlling the generation of Language Reasoning Models through step monitoring
步骤标记：通过步骤监控控制语言推理模型的生成
机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（都柏林信任学院） ； ADAPT Research Centre（ADAPT研究中心）
AI总结 针对语言推理模型效率低、过度生成推理步骤的问题，提出步骤标记框架，引入ReasonType分类法，可在线监控特定步骤计数以产生早期停止标准，经实验在保持准确性时减少令牌数，为控制模型生成及研究其行为提供新途径和工具。
Comments ICML 2026 Workshop on Resource-Adaptive Foundation Model Inference (AdaptFM), Seoul, South Korea
Skewness-Robust Causal Discovery in Location-Scale Noise Models
位置尺度噪声模型中的偏度稳健因果发现
AI总结 研究双变量因果发现问题，提出基于似然的SkewD算法，在位置尺度噪声模型下处理偏态噪声分布，结合启发式搜索和期望条件最大化算法估计参数，在新合成数据集和基准数据集上表现强劲且高偏度下稳健。
Comments Published at the 43rd International Conference on Machine Learning (ICML 2026)
MetaPerch: Learning from metadata for bioacoustics foundation models
MetaPerch：从元数据学习生物声学基础模型
AI总结 研究利用生物声学数据中心的元数据，将位置、时间等元数据作为辅助监督信号，引入MetaPerch基础模型，提升物种识别性能，还对9种元数据源在17个数据集上的效果做了实证研究。
Comments Accepted to ICML 26
Plausible Deniability Guarantees for Whistleblowers
举报人似是而非的可否认性保障
机构 * University College London（伦敦大学学院） ； École Polytechnique de Montréal（蒙特利尔理工学院） ； Mila - Québec Artificial Intelligence Institute（魁北克人工智能研究所）
AI总结 研究如何保障举报人，针对现有保护提案和差分隐私机制不足，形式化逐报告(0,δ)-差分隐私，证明随机响应不比均匀随机审计好超δ，给出通用机制简化私人审计，实例化后有良好效果，模拟显示优于随机响应。
Comments Accepted at three ICML 2026 workshops, including the ICML Workshop on Technical AI Governance Research
How the Hessian-Spectrum of Neural Networks Depends on Data
神经网络的海森谱如何依赖于数据
AI总结 研究神经网络海森谱与数据的关系，推导线性网络海森矩阵特征值，发现分类任务中解的锐度与样本类别比例有关，经实验验证预测并分析相关影响，结论适用于更实际学习设置。
Comments 15 pages, 8 figures; Accepted at HiLD@ICML'26
Symbiosis-Inspired Knowledge Distillation for Incremental Object Detection
共生启发的知识蒸馏用于增量目标检测
AI总结 研究增量目标检测问题，提出共生启发的知识蒸馏方法（SIKD），通过空间共生蒸馏和语义共生蒸馏在两个层面利用对象共生，有效解决现有方法不足，实验验证了该方法的有效性和优越性。
Comments 16 pages, 8 figures, Accepted by ICML 2026
Local Redundancy: An Information-Theoretic Measure of Plasticity from Synthetic Memorization
局部冗余：一种基于合成记忆的可塑性信息论度量
AI总结 研究神经网络可塑性度量，引入基于通用压缩理论的局部冗余，将其定义为局部模型族最坏情况冗余，证明期望平方梯度范数可作下界，实验表明该度量比现有方法更能预测下游性能并助于预训练检查点选择。
Comments 13 pages, 7 figures. ICML 2026 (Spotlight)
Is the Statistical Advantage Worth the Cost? An Empirical Comparison of KANs and MLPs for Structured Data Classification
统计优势是否值得付出成本？KANs和MLPs在结构化数据分类中的实证比较
机构 * Institute of Computer Science, University of the Philippines Los Baños（菲律宾大学洛斯巴尼奥斯分校计算机科学研究所） ； Machine Learning and Artificial Intelligence Applications Lab, University of the Philippines Los Baños（菲律宾大学洛斯巴尼奥斯分校机器学习与人工智能应用实验室）
AI总结 该研究对KANs和MLPs在结构化表格分类任务上进行实证比较，在标准化设置下训练并评估性能。结果显示KANs在二元和多类领域统计上更优，但效应量表明其有更高复杂度。结论是KANs适用于高精度应用，MLPs对资源受限环境更合适，未来应扩展分析。
Comments To be presented at the 9th International Conference on Machine Learning and Machine Intelligence (MLMI 2026), Tokyo, Japan
The Refusal Residue: When Probes Catch Alignment Faking and When They Don't
拒绝残差：探测何时能捕捉到对齐造假以及何时不能
机构 * Snowflake AI Research（Snowflake AI 研究所）
AI总结 研究对齐造假中隐藏状态能否揭示输出隐藏内容，对13个模型扫描，发现Qwen3 - 32B和Llama - 3.1 - 8B存在自然造假及不对称拒绝残差，样本检测有模型条件性，还发布五控制测量框架用于对齐造假检测。
Comments Accepted to the Mechanistic Interpretability Workshop at ICML 2026. 12 pages, 4 figures
Targeted Recovery of Weight-Space Mechanisms From Neural Networks
从神经网络中定向恢复权重空间机制
AI总结 研究提出定向参数分解（tPD）方法，通过引入高秩通用组件，从神经网络中仅识别处理特定感兴趣输入的组件，在玩具模型和Transformer语言模型上验证有效，能以低计算量提取子模型并对记忆序列进行手术式操作。
Comments Accepted at the Mechanistic Interpretability Workshop, ICML 2026
The Perplexity Trap: When Patent Law Makes Human Writing Look Like AI
困惑陷阱：专利法何时让人类写作看起来像人工智能
机构 * European Patent Office（欧洲专利局）
AI总结 研究针对专利法下筛选疑似人工智能生成专利文本的难题，在消费级硬件条件下用多种策略进行基准测试，发现现有检测器误报率高，问题是结构性的，提出七特征语言复杂性逻辑回归方法，提升了准确率。
Journal ref Proceedings of the ICML 2026 Workshop on AI4Law
Are we Merging the Right Models? Impact of Expert Training Duration on Model Merging for LLMs
我们合并的模型正确吗？专家训练时长对大语言模型模型合并的影响
AI总结 研究领域专家训练时长对大语言模型模型合并质量的影响，在多领域多模型规模上微调专家模型，保存不同训练步数的检查点并评估五种合并方法，发现方法依赖模式，表明训练时长和合并方法应联合选择。
Comments Accepted to ICML 2026 workshop on weight-space symmetries
M+Adam: Low-Precision Training via Additive-Multiplicative Optimization
M+Adam：通过加法-乘法优化进行低精度训练
机构 * California Institute of Technology（加利福尼亚理工学院） ； University of Copenhagen（哥本哈根大学） ； Aarhus University（阿鲁斯大学）
AI总结 研究低精度训练中标准优化器的问题，提出结合加法和乘法更新的M+Adam方法，经证明在标准假设下单调下降，在多种模型预训练中持续改善低精度训练。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 45 pages
Algorithmic Recourse of In-Context Learning for Tabular Data
表格数据的上下文学习算法补救
机构 * Mohamed bin Zayed University of Artificial Intelligence, United Arab Emirates（阿联酋人工智能马尔代夫 bin Zayed 大学） ； University of Copenhagen, Denmark（丹麦哥本哈根大学） ； Renmin University of China, China（中国人民大学） ； King Abdullah University of Science and Technology, Saudi Arabia（沙特阿拉伯王国科学与技术大学） ； The Hong Kong University of Science and Technology(Guangzhou), China（广州科技大学（香港））
AI总结 针对表格数据上下文学习中的黑箱模型，提出自适应子空间补救框架ASR-ICL，通过零阶优化高效生成可操作且稀疏的补救方案，理论证明补救有界且随上下文增大收敛至经典解。
Comments Accepted by ICML 2026
AvAtar: Learning to Align via Active Optimal Transport
AvAtar: 通过主动最优输运学习对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Florida（佛罗里达大学） ； Arizona State University（亚利桑那州立大学）
AI总结 提出AvAtar框架，利用主动学习策略通过熵正则化最优输运的梯度影响量化候选点信息量，并采用伴随状态法高效求解，以提升对齐性能。
Comments Published as a conference paper at ICML 2026
Discovering Ordinary Differential Equations with LLM-Based Qualitative and Quantitative Evaluation
基于LLM的定性与定量评估的常微分方程发现
机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Republic of Korea（韩国首尔 Chung-Ang 大学人工智能系） ； Daejin University, Pocheon, Republic of Korea（韩国坡州市 Daejin 大学）
AI总结 本文提出DoLQ方法，通过多智能体架构结合LLM进行定性与定量评估，实现常微分方程的发现，实验表明其在多维ODE基准测试中性能优于现有方法。
Comments Accepted at ICML 2026
Journal ref International Conference on Machine Learning 2026
When Agents Disagree With Themselves: Behavioral Consistency as an Uncertainty Signal for LLM Agents
当智能体与自身意见相左：测量基于LLM的智能体的行为一致性
机构 * Aman Mehta
AI总结 研究发现基于LLM的智能体在相同任务上运行结果不一致，且这种不一致与任务成功率密切相关，通过监控行为一致性可提升智能体可靠性。
Comments Accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems. 12 pages, 9 figures
