期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
SF-Cluster: 挫折引导的MSA子采样用于替代蛋白质构象恢复
AI总结 提出SF-Cluster方法，利用预测的局部能量挫折模式对MSA进行子采样，以恢复替代蛋白质构象，在48个基准案例中优于AF-Cluster，尤其在变构系统中提升15.5个百分点。
Comments Accepted at the AI4Science Workshop at ICML 2026 (Oral)
智能体能否泛化到开放世界？揭示工具使用中静态训练的脆弱性
AI总结 针对LLM智能体在真实场景中因查询、工具集和交互动态变化而性能下降的问题，形式化定义了开放世界工具使用问题，构建了四层层次的环境偏移框架，并通过实验揭示了监督微调和强化学习训练智能体在面对开放环境偏移时的脆弱性，提出了扰动增强微调策略以提升鲁棒性。
Comments Accepted by ICML 2026
GSRQ: 面向亚1比特KV缓存的增益-形状残差量化
AI总结 针对大语言模型KV缓存压缩中向量量化导致的方向保持问题，提出增益-形状K均值（GSKM）替代标准K均值，并构建增益-形状残差量化（GSRQ），在1比特下将LongBench平均准确率从11.34提升至33.54。
Comments ICML 2026
两条AI指标分岔：这会造成天壤之别吗？
AI总结 本文探讨前沿AI模型能力是否会因指数级算力扩展而超越小预算开发者，或通过“温顺模型”普及；通过分析有界与无界性能指标，给出数学条件判定哪种指标有利于温顺模型，并指出指标选择对政策制定至关重要。
Comments Accepted into 2026 ICML Technical AI Governance Research Workshop
评估预训练音乐嵌入在跨演奏爵士标准曲识别中的表现
AI总结 研究利用预训练音乐嵌入进行跨演奏爵士标准曲识别，对比从头训练的谐波CNN基线，发现预训练嵌入在top-k结果上更优但对演奏者身份敏感，轻量对比投影可部分缓解。
Comments 6 pages, 2 figures, 4 tables. Accepted to the ICML 2026 Workshop on Machine Learning for Audio
语言相对策略优化用于视频异常推理
机构 * Chongqing College of Artificial Intelligence（重庆人工智能学院）
AI总结 提出语言相对策略优化（LRPO），通过从多个推理轨迹中提取群体相对语义优势，构建语言表达的异常经验先验，无需参数更新即可引导模型输出，在无调参设置下显著超越现有方法。
Comments Accepted at ICML 2026; 18 pages, 8 figures, 9 tables
学习观察：通过交错策略优化的主动视频异常理解
机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China（重庆邮电大学计算机科学与技术学院） ； School of Computer Science（计算机科学学院） ； Chongqing College of Artificial Intelligence, Chongqing, China（重庆人工智能学院）
AI总结 提出Anom-π闭环框架，将视频异常理解建模为主动序列决策过程，通过交错策略统一内部推理与证据获取，并设计iDPO实现轨迹级策略对齐，仅2B参数即超越大规模模型。
Comments Accepted at ICML 2026; 25 pages, 8 figures, 15 tables
决策聚焦的稀疏切线投资组合优化
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Chonnam National University（全南国立大学） ； Ulsan National Institute of Science and Technology（乌山科学技术院）
AI总结 提出端到端决策聚焦学习框架，通过可微凸优化层和平滑top-k算子直接优化投资组合性能，在四个主要股票市场取得优于基线的样本外夏普比率。
Comments ICML 2026
SAOT: 具有结构感知最优传输的自监督连续图学习
AI总结 提出结构感知最优传输框架，利用最优传输理论捕获全局节点对应关系，结合跨任务知识蒸馏，在连续图学习中保持关系结构，显著提升分类准确率。
Comments The paper has 9 pages of text and 13 pages in total (including acknowledgments, impact statement, references, and appendix), with 6 figures and 4 tables. This paper has been accepted by ICML 2026 conference and this is a final version of the manuscript submitted to the conference
设备护照：使时空预训练模型能够跨输入布局泛化
机构 * California Institute of Technology（加州理工学院） ； Apple（苹果公司）
AI总结 针对新设备布局缺乏大规模数据集的问题，提出Device Passport通道嵌入技术，通过功能活动与元数据混合建模，实现跨布局迁移，在耳部脑电图等任务中优于基线。
Comments Workshop on Structured Data for Health, ICML 2026
知道谁，而非多少：面向消费者效用最大化的学习增强机制
AI总结 研究在线随机顺序模型中战略代理的消费者效用最大化问题，通过识别最高价值代理的身份预测，设计了一个确定性的真实机制，在预测正确时实现常数近似最优解，在预测错误时仍保证常数近似最优可实施解。
Comments Accepted at the Forty-third International Conference on Machine Learning (ICML 2026)
窃取补丁大小：对抗性操纵视觉-语言模型
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种黑盒模型窃取攻击，通过任务级侧信道推断视觉语言模型的补丁大小和预处理流程，并利用泄露信息实现预处理感知的迁移攻击和模型定向对抗操纵。
Journal ref ICML 2026
SWE-Router：多轮智能体软件工程任务中的路由
AI总结 提出SWE-Router，一种基于价值的时间路由方法，通过让廉价模型探索几轮后根据部分轨迹决定是否升级到昂贵模型，在保持强模型大部分性能的同时大幅提升成本效率。
Comments The 5th Deep Learning for Code Workshop, ICML 2026
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
ChainCaps: 通过单调能力衰减实现组合安全的工具使用智能体
机构 * Independent Researcher, Seattle, WA, USA（华盛顿州塞勒姆独立研究员） ； Independent Researcher, New York City, NY, USA（纽约市纽约独立研究员） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹科学技术大学）
AI总结 针对工具组合中的权限洗钱漏洞，提出ChainCaps机制，通过运行时能力预算交集传播规则，在不修改智能体或工具服务器的情况下，将攻击成功率从25-68%降至0-4.8%，同时保持96-100%的良性任务完成率。
Comments Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026
最大化提示与响应之间的互信息无需额外数据即可提升LLM性能
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出互信息偏好优化（MIPO）方法，通过对比数据增强构建偏好对，利用直接偏好优化最大化提示与响应间的点互信息，无需额外数据或外部监督即可提升LLM在个性化和可验证任务上的性能。
Comments International Conference on Machine Learning 2026
零阶优化在稳定性边缘
机构 * ETHZ（苏黎世联邦理工学院） ； MPI（智能系统马克斯·普朗克研究所）
AI总结 研究零阶优化方法在深度学习中的稳定性，揭示其与一阶方法在Hessian谱依赖上的差异，并提出可计算的稳定性界限。
Comments ICML 2026
连续知识代谢：从演进文献中生成科学假设
机构 * Tsingyuai（清华院）
AI总结 本文提出CKM框架，通过滑动时间窗口处理文献并动态更新知识库，提出CKM-Lite和CKM-Full两种变体，揭示了增量处理在预测和效率上的优势，以及知识变化对假设生成的影响。
Comments ICML 2026 AI4Research Workshop
XSkill: 多模态智能体中的经验与技能持续学习
机构 * Zhejiang University（浙江大学）
AI总结 提出XSkill双流框架，通过视觉经验与技能的知识提取、检索和自适应，实现多模态智能体在开放场景中无需参数更新的持续学习，显著提升工具使用和推理泛化能力。
Comments Accepted to ICML 2026
SleepLM：人类睡眠的自然语言智能
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 提出SleepLM系列睡眠语言基础模型，通过多模态对齐实现自然语言驱动的睡眠解释与交互，在零样本/少样本学习、跨模态检索等任务上超越现有方法。
Comments spotlight presentation
Journal ref Proceedings of the 43st International Conference on Machine Learning (ICML 2026)
MetaOthello: Transformer中多个世界模型的控制研究
AI总结 通过引入共享语法但规则或分词不同的Othello变体套件，训练小型GPT处理混合数据，发现Transformer不划分容量为孤立子模型，而是收敛于跨变体因果转移的共享棋盘状态表示。
Comments Camera-ready version. Accepted to the 43rd International Conference on Machine Learning (ICML 2026)
校准的测试时引导用于贝叶斯推理
机构 * Seoul National University, Seoul, South Korea（首尔大学） ； Chan-Zuckerberg Initiative, Redwood City, CA, USA（陈-扎克伯格倡议）
AI总结 针对测试时引导方法无法从真实贝叶斯后验采样的问题，提出一致替代估计器实现校准采样，在贝叶斯推理任务上显著优于先前方法，并在黑洞图像重建中取得新SOTA PSNR。
Comments Accepted to ICML 2026. Code is available at https://github.com/mandt-lab/Calibrated-Guidance
scDataset: 面向大规模单细胞组学深度学习的可扩展数据加载
机构 * Department of Computer Science, University of Milan（米兰大学计算机科学系）
AI总结 提出scDataset数据加载器，通过块采样和批量获取实现准随机采样，在Tahoe-100M数据集上相比真随机采样加速两个数量级，同时保持模型性能。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026); camera-ready version. 17 pages, 8 figures, 2 tables
当AI代理竞争工作岗位：AI劳动力市场的战略能力与经济动态
机构 * DAMTP, University of Cambridge（剑桥大学应用数学与理论物理系）
AI总结 本文提出AI-Work模拟平台，研究AI代理在劳动力市场中的竞争行为，发现元认知、竞争意识和长期战略规划能力使代理获得更高利润和市场份额。
Comments Accepted at ICML 2026, Code available at https://github.com/chy-chiu/ai-work
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