期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
FlowNar: 面向长视频的可扩展流式叙述
机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Lamarr Institute for Machine Learning（拉马尔机器学习研究所） ； University of Bonn（波恩大学）
AI总结 提出FlowNar框架，通过动态上下文管理和CLAM模块实现有界视觉记忆与计算复杂度，在流式视频叙述中兼顾高质量与高效率。
Comments Accepted to ICML 2026
重新审视大型语言模型中基于参数的知识编辑：理论极限与实证证据
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文通过理论分析和实证评估，揭示了基于参数的知识编辑方法会因维度坍缩假设导致全局干扰和推理崩溃，而简单的检索基线方法在所有条件下均表现更优。
Comments Accepted to ICML 2026. Equal contribution by the first two authors. 9 pages main paper, 10 figures, with appendix
面向视觉-语言推理的分解式在策略蒸馏：引导梯度实现视觉定位
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 通过将视觉-语言模型蒸馏损失分解为语言先验和视觉定位两个正交分量，提出视觉梯度引导（VGS）方法动态调整更新方向以优先优化视觉子空间，从而提升小模型在复杂多模态任务中的定位能力。
Comments ICML 2026 Spotlight
ProactiveLLM: 学习流式大语言模型的主动交互
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出ProactiveLLM，利用模型内生状态指导交互决策，通过掩码流式建模和同步特权自蒸馏实现主动交互，减少延迟并保持质量。
Comments ICML 2026
基于阈值的独占批处理用于LLM推理
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间利用工程技术中心）
AI总结 针对混合批处理中预填充与解码干扰导致边际成本上升的问题，提出基于GPU内存带宽、模型大小和工作负载的EB-MB性能交叉条件及最优切换阈值，优化后的独占批处理在带宽受限GPU上吞吐量提升高达41.9%。
Comments 37 pages, 12 figures. Accepted at ICML 2026
带噪声代理协变量的半监督学习：泛化界与分布回归
机构 * Department of Statistics, Korea University, Seoul, Korea（韩国大学统计系） ； Department of Statistics, Seoul National University, Seoul, Korea（首尔国立大学统计系）
AI总结 针对带噪声代理协变量的半监督回归问题，提出两阶段估计器，利用所有代理协变量学习核本征特征，并在标记数据上拟合岭回归，理论证明在代理扰动可控且未标记代理协变量充足时能恢复快速标记样本率，实验表明在低标记率下优于监督和半监督基线。
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
显著性感知模型合并
机构 * Yonsei University, Seoul, South Korea（首尔大学） ； Ewha Womans University, Seoul, South Korea（成均馆女子大学）
AI总结 提出SA-Merging方法，利用结构剪枝中的连通性显著性（如SynFlow）进行数据无关模型合并，通过任务向量显著性评分和合并感知调制减少任务干扰，并在视觉和语言任务上验证有效性。
Comments ICML 2026 Camera-ready
V-LynX: 视频+X 大语言模型的令牌接口对齐
机构 * Yonsei University, Seoul, South Korea（延世大学，首尔，韩国） ； Ewha Womans University, Seoul, South Korea（成均馆大学，首尔，韩国）
AI总结 本文发现视频大语言模型中存在令牌接口连续流形，并提出V-LynX框架，通过轻量辅助路径对齐注意力响应和统计分布，无需配对监督即可集成新模态，在音视频问答、3D推理等任务上达到最优效率。
Comments ICML 2026 Camera-ready
大规模神经相位分析的环面图模型
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种随机得分匹配方法，将环面图模型的计算复杂度从O(d^6)降至O(d^2)，使其能处理数千变量，并扩展至隐马尔可夫模型和自回归模型，用于分析脑状态依赖的相位耦合和方向性交互。
Comments 23 pages, 15 figures; to be published in ICML 2026
文本编辑能否泛化到视觉生成？统一多模态模型中的跨模态知识编辑基准
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学）
AI总结 提出跨模态知识编辑基准UniKE，发现文本编辑在图像生成中效果显著下降（VQA准确率仅18.5%），并提出推理增强参数编辑方法提升跨模态迁移效果。
Comments Published at ICML 2026; Code and data available at https://github.com/gxx27/UniKE
论大语言模型适应性的局限：模型内化先验对标注任务性能的影响
机构 * University of Washington（华盛顿大学）
AI总结 通过毒性检测实验，研究大语言模型内化先验与指令交互的三个维度，发现近三分之二的零样本错误难以通过提示纠正，并引入定义特定熟悉度（DSF）指标，证明其与性能正相关，而文本记忆指标则无此关联。
Comments Accepted at ICML 2026 (Oral & Spotlight); PMLR vol. 306. 9 pages, 4 figures
利用权重空间对称性近似曲率
机构 * DeepMind, London, UK（伦敦DeepMind）
AI总结 本文通过解析平均化保持损失不变的群作用，从单个梯度构建结构化的Hessian近似，从而利用权重空间对称性来近似损失函数的曲率。
Comments Published at ICML 2026. 35 pages, 11 figures. Code: https://github.com/mtkresearch/symm_opt
低秩PEFT的更细参数步长：基于CP张量适配器的控制研究
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文通过固定组件的规范多路分解（CP）张量适配器实现更细的参数步长，研究其对低秩适配器精度-预算权衡的影响，发现CP适配器能填补LoRA秩之间的空白，但效果依赖于任务。
Comments Accepted at the ICML 2026 Workshop on CoLoRAI
量化地理文化价值对多元安全对齐的显著性
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学）
AI总结 通过多层次模型分析，发现文化区域归属对安全评分有显著影响（p<0.05），约10%的项目存在文化敏感性，当前LLM无法可靠替代人类评分员但可辅助筛选。
Comments 119 pages, 13 figures. ICML 2026 camera ready
(HB-ARFM) 基于历史引导的流匹配用于逆沸腾重建
AI总结 提出历史引导自回归流匹配方法，通过条件流匹配和自回归传播解决部分观测下的时空逆重建问题，在沸腾动力学重建中优于其他模型。
Comments ICML 2026
跨层学习率平衡：线性神经网络中的精确两步动力学与最优缩放
机构 * Dartmouth College（达特茅斯学院） ； Stanford University（斯坦福大学）
AI总结 本文通过精确推导线性神经网络在梯度下降两步后的梯度和测试损失闭式表达式，研究了层间学习率的最优选择，揭示了初始步骤不等学习率可最小化测试损失而后续步骤等学习率最优的早期训练机制。
Comments ICML 2026
基于子抽样马尔可夫链蒙特卡罗的潜变量模型大规模不确定性量化
机构 * University of Cambridge（剑桥大学）
AI总结 针对潜变量模型中SGLD-Gibbs算法超参数调优缺乏理论指导的问题，通过推导统计缩放极限理论，提出确保不确定性量化有意义的调优准则。
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
使用随机梯度马尔可夫链蒙特卡洛进行精确的大样本不确定性量化
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对大批量或模型误设下随机梯度下降和随机梯度Langevin动力学调参困难的问题，提出新的离散时间近似方法，实现稳态协方差、迭代平均协方差和积分自相关时间的精确预测，并给出非渐近误差界。
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
基于相互兼容性评估双变量因果陈述
机构 * California Institute of Technology, USA（加州理工学院，美国）
AI总结 针对一组变量上的双变量因果陈述，提出基于兼容性分数的评估方法，通过量化因果模型引入的额外混杂程度或全局一致性约束来区分正确与错误的因果陈述，并应用于大语言模型生成的因果主张。
Comments accepted for ICML 2026
当 Softmax 在顶部失效：InfoNCE 的极值修正
机构 * University of Waterloo（滑铁卢大学）
AI总结 针对 InfoNCE 中 softmax 假设与对比学习嵌入设置不匹配的问题，提出基于极值理论的 WEINCE 修正方法，在五个视觉基准上提升冻结特征评估性能。
Comments Presented in ICML 2026
ARCA: 当令牌信号退化时的适配器-残差信用分配
机构 * Rodney Lafuente-Mercado（罗伊德·拉福恩特-默茨）
AI总结 针对LoRA微调下令牌级信用分配信号退化的问题，提出ARCA方法，利用适配器隐藏状态残差作为令牌显著性度量，无需学习奖励模型或价值头。
Comments Accepted to DEMO 2026: ICML Workshop on Decision-Making from Offline Datasets to Online Adaptation. Non-archival report
用于去噪高维结构化表示的测地流匹配
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对向量符号代数中空间语义指针的流形约束问题，提出测地流匹配方法，将去噪流限制在环面上，在脉冲神经SLAM系统中实现72%的跟踪误差降低和40%的神经效率提升。
Comments ICML 2026 Main track
线性递归神经网络中基于梯度学习的局部近似的动力学与表示结构
AI总结 本文应用动力系统理论分析线性RNN中局部学习算法（RFLO和tBPTT）与BPTT的差异，发现RFLO的解被限制在初始参数的低秩扰动上。
Comments accepted to ICML 2026 as poster. Current version is camera-ready submission
InfoAtlas：用于零样本统计依赖性估计的基础模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出InfoAtlas，一种基础模型架构，通过单次前向传播直接推断互信息，实现零样本估计，在保持精度的同时获得100倍加速。
Comments Accepted to ICML 2026
MindZero：零标注的在线心智推理学习
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出MindZero框架，通过自监督强化学习训练多模态大语言模型，实现高效鲁棒的在线心智推理，无需显式心智状态标注。
Comments ICML 2026. Website: https://scai.cs.jhu.edu/MindZero
LithoGRPO: 通过GRPO强化流匹配的快速逆向光刻
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出LithoGRPO框架，结合流匹配与GRPO强化学习微调，利用物理奖励函数优化掩模，实现高效逆向光刻，性能优于现有方法。
Comments ICML 2026
从Rashomon理论到PRAXIS：高效决策树Rashomon集
机构 * Stanford University（斯坦福大学）
AI总结 针对决策树Rashomon集计算开销大的问题，提出PRAXIS算法，在运行时和内存使用上实现数量级改进，并能恢复几乎完整的Rashomon集。
Comments Accepted to ICML 2026
位置编码锚定视觉Transformer中的空间结构：基于几何视角的鲁棒性研究
机构 * ESSTHS
AI总结 本文通过引入空间相似性距离相关性（SSDC）度量，研究不同位置编码对视觉Transformer内部空间表示几何结构的影响，发现位置编码通过建立索引锚定的空间组织来提升模型在内容破坏性分布偏移下的鲁棒性。
Comments 16 pages (9 main text, 7 appendix). 5 figures (3 main text, 2 appendix) with 8 graphics total. 5 tables (1 main text, 4 appendix). Submitted to NeurIPS 2026 main conference and the ICML 2026 mechanistic interpretability workshop
DLLM-JEPA：用于掩码扩散语言模型的联合嵌入预测架构
机构 * Sangdae Nam
AI总结 提出DLLM-JEPA，通过将联合嵌入预测架构与掩码扩散语言模型结合，消除显式多视图数据和双梯度前向传播需求，在多个任务上提升准确率并降低训练FLOPs。
Comments 17 pages, 4 figures, 13 tables. Accepted at SPIGM Workshop, ICML 2026
全面的人工智能治理需要解决非模型增益问题
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； Open Philanthropy（开放哲学基金会）
AI总结 本文提出非模型增益的概念，包括推理增益、系统增益和资产增益，并论证这些增益会削弱以模型为中心的治理有效性，进而提出超越模型层面的治理方法。
Comments This paper has been accepted to ICML 2026 (Position paper track): https://openreview.net/forum?id=V3O1sHpKxX
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