ICML

Is this Citation on Point?

该引用是否相关？

Apurv Verma

AI总结 本文针对现有大语言模型法律用例评估忽视的“指向真实案件却不支持主张”的引用问题，通过扰动真实法律引用验证14种模型配置，发现模型易混淆主题识别与页码级支持验证能力，规模与推理能力仅能部分缩小错精准页码扰动的检测差距。

Comments Accepted to the 1st Workshop on AI for Law at ICML 2026

LoKiFormer: Locality-aware Attention with Decoupled Knowledge Memory for Efficient Large Language Model Pretraining

LoKiFormer：面向高效大语言模型预训练的 locality-aware 注意力与解耦知识记忆

Qiuwu Chen, Zimo Liu, Yuchen Li, Ying Sun, Yifan Zhang, Zhijie Qiu, Zeng You, Ryan Dong, Simeng Ma, Yaofo Chen, Mingkui Tan

机构 * AIGCode ； South China University of Technology（华南理工大学） ； Pazhou Laboratory（琶洲实验室） 纠错

AI总结 针对LLM预训练效率问题，提出含局部融合注意力与知识记忆模块的LoKiFormer，使预训练收敛速度提升1.33倍，性能优于现有架构。

Comments Accepted by ICML 2026

Position: We Need Practical AI Alignment Methods to Mirror Human Reasoning

立场：我们需要实用的AI对齐方法来镜像人类推理

Vijay Keswani, Breanna K. Nguyen, Cyrus Cousins, Vincent Conitzer, Walter Sinnott-Armstrong, Jana Schaich Borg

AI总结 该论文提出需实用AI对齐方法镜像人类推理，指出认知对齐可提升AI可理解性与可信赖度，提出研究议程以缩小现有对齐方法与认知对齐需求的差距，助力用户信赖AI系统。

Comments Accepted in ICML 2026

Position: The Alignment Community is Unintentionally Building a Censor's Toolkit

立场：对齐社区正在无意之中构建审查者的工具包

Sarah Ball, Phil Hackemann

AI总结 该立场论文指出现代AI对齐方法是两用技术，可能被恶意滥用，呼吁社区讨论其滥用风险并提出缓解策略。

Comments Accepted as oral paper at ICML 2026

Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

Position: Reasoning is a Learnable Rule-Based Process

立场：推理是一个可学习的基于规则的过程

Rachel Lawrence, Jacqueline Maasch

AI总结 本文提出推理是可学习的基于规则的过程，针对生成式AI社区推理定义模糊问题，给出操作定义与研究交流最佳实践清单，以保障推理评估的结构效度。

Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

How to Spend Your Oracle Budget: Practical Guidance for Protein Structure Prediction Models

如何使用你的专家预算：蛋白质结构预测模型的实用指南

Aleksandra Kalisz, Jack Simons, Krisztina Sinkovics, Noam Ghenassia, Shikha Surana, Henry Moss, Paul Duckworth

机构 * InstaDeep Ltd（InstaDeep公司） ； University of Oxford（牛津大学） ； Lancaster University（兰卡斯特大学） 纠错

AI总结 本研究针对蛋白质结构预测模型的专家预算约束，通过基准测试FK-steering、DPO、Best K-of-N采样及O3方法，明确不同预算下的最优方法并给出实用选择建议。

Comments Proceedings of the ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)

Energy and Performance Benchmarking of Deep Learning Models for Breast Cancer Detection

用于乳腺癌检测的深度学习模型的能效与性能基准测试

Samar Garrab, Ghada Achour

AI总结 本文在乳腺超声、BreakHis 400X 两个数据集上对比七种深度学习模型的能效与性能，发现不同模型在两个数据集上的表现不同，需综合多维度选择医学应用模型。

Comments Accepted at ICMLA 2026 (IEEE International Conference on Machine Learning and Applications). Camera-ready version submitted

Diffract: Spectral View of LLM Domain Adaptation

Diffract：大语言模型领域自适应的谱视角

Nikita Borodin, Maria Krylova, Artem Zabolotnyi, Dmitry Aspisov, Egor Shikov, Nikita Tyuplyaev, Oleg Travkin, Roman Alferov, Dmitry Vinichenko

AI总结 本研究提出Diffract工具包，通过分析持续预训练的大语言模型的权重矩阵奇异值谱，发现可选择性回退低重要性注意力头以提升领域适配性能，实现高效的领域自适应。

Comments Accepted at ICML 2026. Code: https://github.com/Risk-AI-Research/diffract

Toward Human Rights Benchmarking for LLMs: A Pilot Methodology

面向大语言模型的人权基准测试：一种试点方法

Savannah Thais, Wm. Matthew Kennedy, Abhigyan Acherjee, Matilda Wysocki, Malcolm Langford, Caitlin Kraft Buchman

AI总结 该研究开发了首个经专家验证的人权基准HumRightsBench，调整IRAC框架为IRAP，通过真实场景测试LLMs的人权推理能力，发现模型准确率差异显著，可推动AI评估科学发展。

Comments Best paper, honorable mention, at the ICML 2026 Workshop on AI4Law, Seoul, South Korea

A Mean-Field Framework for Inference-Time Distributional Control of Diffusion Models

用于扩散模型推理时分布控制的平均场框架

Samuel Howard, Nikolas Nüsken

AI总结 本研究提出一种平均场框架，将扩散模型推理时的分布控制转化为瞄准倾斜测度，推导加权交互粒子方案，为现有批量引导方法提供理论基础，并在低维及蛋白质构象任务中验证了其有效性。

Comments Preprint. Presented at SPIGM workshop, ICML 2026

Multimodal Model Diffing for Feature Discovery and Control

用于特征发现与控制的多模态模型差异分析

Hunar Batra, Lachin Naghashyar, Ashkan Khakzar, Philip Torr, Christian Schroeder de Witt, Constantin Venhoff, Ronald Clark

机构 * University of Oxford（牛津大学） ； Microsoft（微软公司） 纠错

AI总结 本研究提出MMDiff多模态模型差异分析框架，训练多模态SAEs以识别多模态训练改变的特征，实现特征隔离、检测与控制，在空间、OCR任务及多模态安全攻击评估中展现出良好效果。

Comments Preprint. Accepted at ICML 2026 Trustworthy AI for Good Workshop

Activation Probes Surface Code-Security Signals that the Model's Output Misses

激活探针：挖掘模型输出遗漏的表面代码安全信号

Ivan Wiryadi

AI总结 本研究提出用线性探针分析开源审查器模型的激活值，发现其携带了仅通过模型提示无法获取的代码安全信号，可有效区分有漏洞与修复后的函数。

Comments 6 pages, 1 figure. Accepted at the TAIGR workshop, ICML 2026

Hyperbolic Multimodal Continual Learning

双曲多模态持续学习

Jiahong Liu, Ming Shen, Xiaohao Liu, Rex Ying, Menglin Yang, Tat-Seng Chua, Irwin King

AI总结 本研究针对双曲多模态持续学习的遗忘问题，建立理论基础推导了保留几何结构的持续学习框架，经实验验证其有效性。

Comments ICML 2026. 33 pages, 11 figures. Code: ICML" target="_blank" rel="noopener">https://github.com/HUBERILT/HMCL_ICML

Capability Is Not Propensity: Measuring Pressure-Robust Cooperative Behavior in Civic LLM Agents

能力并非倾向：评估公民大语言模型智能体的压力鲁棒合作行为

Neel Tushar Shah, Manglam Kartik, Akshat Karkar

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） 纠错

AI总结 该研究针对公民大语言模型智能体，推出DiffCoop-Civic评估套件，发现压力会显著影响模型合作行为，提出Pareto-Trace提示干预提升压力鲁棒性。

Comments Accepted at ICML AI4GOOD Workshop 2026

Temporal Misgrounding in Legal RAG: A Versioned-Corpus Benchmark for French Tax Law

法律检索增强生成（RAG）中的时间错位：面向法国税法的版本化语料库基准

Rose Cymbler, Daniel Guez, Laurent Fabre

AI总结 该研究针对法律RAG的时间错位问题，构建法国税法版本化语料库基准FiscalQA Pro，发现现有模型时间推理能力差，端到端多版本检索器性能优异，还发布了相关数据集与代码。

Comments 13 pages, 1 figure, 4 tables. Accepted at the ICML 2026 Workshop on AI for Law (AI4Law), Seoul. Code and data: https://github.com/rosecymbler/fiscal-fr-bench

Mind the Hook: Source-Level Auditing of Privacy Defenses in Retrieval-Augmented Generation

注意钩子：检索增强生成中隐私防御的源级审计

Yanhang Li, Zhichao Fan, Zexin Zhuang

AI总结 该研究针对RAG的黑盒隐私分数解读难题，提出活跃路径审计方法，通过梳理源级钩子、映射泄漏通道、金丝雀验证，复现分析DP与LPRAG防御的隐私效果，贡献方法论与案例研究。

Comments 6 pages, 1 figure. Accepted as a regular paper at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026)

Path-dependent Discrete Amortized Inference

依赖路径的离散摊销推理

Tiago da Silva, Esmeralda S. Whitammer, Salem Lahlou

AI总结 针对从未归一化后验采样组合离散对象的问题，提出依赖路径的离散摊销推理方法，通过可学习潜动力学系统提升MDP，解决马尔可夫假设的缺陷，实验显示其学习收敛更快、状态空间探索更优。

Comments ICML 2026 (Oral)

Can LLM Agents Stick to the Script? A Benchmark for Long-Horizon Consistency in Interactive Narratives

大语言模型智能体能坚持剧本吗？交互式叙事中长期一致性的基准测试

Yingpeng Ma, Jianhao Yan, Bei Shi, Ka Hou Kam, Runnan Wang, Xuebo Liu, Yulong Chen, Yue Zhang, Derek F. Wong

AI总结 该研究针对LLM智能体在交互式叙事中难以维持长期一致性的问题，构建了NCP-Bench基准测试，发现现有顶尖LLM的承诺保持率较低，存在显著的逻辑冲突问题。

Comments Accepted by ICML 2026

EasyBalance: Cross-Layer Load Balancing in Distributed MoE Inference

EasyBalance：分布式MoE推理中的跨层负载均衡

Yize Wu, Ke Gao, Ling Li, Yanjun Wu

AI总结 EasyBalance是一种无需修改专家-设备映射的跨层负载均衡策略，通过联合执行跨层MoE工作负载缓解不平衡，可减少GPU空闲超40%，加速分布式MoE推理。

Comments 14 pages, 20 figures, ICML 2026

Persistent Semantic Entities in Tool-Augmented LLM Systems

工具增强型大语言模型系统中的持久语义实体

Zhaohui Wang

AI总结 该研究定义工具增强型LLM系统的持久语义实体（PSEs），证实其在24款不同规模模型中普遍存在，偏好/指令污染难自校正，上下文隔离自验证可降低污染，为智能体系统安全提供关键发现。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version; 32 pages . The openreview url is https://openreview.net/forum?id=zPjmtawzT8&noteId=CXB95ws5so and ICML poster url is https://icml.cc/virtual/2026/poster/60521

Spectral Outliers Reveal Dominant Learned Structure in Transformer Attention

谱异常值揭示Transformer注意力中主导的学习结构

Kasun Dewage, Marianna Pensky, Suranadi De Silva, T. H. Bandara

AI总结 本研究运用MP随机矩阵理论分析预训练Transformer注意力权重，发现谱异常值编码学习结构主导成分，通过实验验证其对模型性能的关键作用，相关观察可指导参数高效微调与结构化剪枝。

Comments Accepted at the International Conference on Machine Learning and Applications (ICMLA 2026); to appear in IEEE proceedings

From Benchmark Performance to Tool Deployment: Human-in-the-Loop Anomaly Detection

从基准性能到工具部署：人机协同的异常检测

Mike Szklarzewski, CJ George, Gavin Smithson, Christopher Stokes, Dakota Fulp, William M. Jones, Benjamin Wynn, Alexander Ur, Agit Yesiloz, Clint Kallenbach, Mark Swartz, Nathan DeBardeleben, Sharmistha Chakrabarti

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Triad National Security, LLC（Triad国家安全有限责任公司） 纠错

AI总结 本研究通过评估19种无监督异常检测模型在BowTie制造数据集上的表现，揭示了基准性能与工业部署的差距，开发并部署了人机协同的制造部件检测框架。

Comments 8 pages, 8 figures, 6 tables. Accepted as a regular paper at the 25th International Conference on Machine Learning and Applications (ICMLA 2026)

Mechanistic Interpretability-Guided Selective Fine-Tuning of Vision-Language Models for Centimeter-Level Flood Depth Estimation

面向厘米级洪水深度估计的、由机械可解释性引导的视觉-语言模型选择性微调

Nafis Fuad, Xiaodong Qian, Dongxiao Zhu

AI总结 该研究针对城市洪水缺乏厘米级实时深度估计的问题，提出三种视觉-语言模型，通过机械可解释性分析确定关键交叉注意力层进行选择性微调，在合成与真实基准测试中均实现高精度洪水深度估计，大幅减少可训练参数。

Comments This Paper is accepted in International Conference on Machine Learning and Application (ICMLA) 2026

SC$^{2}$-WM: A Self-Correcting World Model with Closed-Loop Feedback for Vision-and-Language Navigation in Continuous Environments

SC²-WM：用于连续环境下视觉语言导航的带闭环反馈的自校正世界模型

Xuan Yao, Yuze Zhu, Junyu Gao, Zongmeng Wang, Changsheng Xu

AI总结 针对连续环境视觉语言导航中开环执行的状态漂移问题，提出带闭环反馈的自校正世界模型SC²-WM，通过状态级计划优化与测试时模型自适应提升导航鲁棒性和泛化性。

Comments Accepted by ICML 2026

Adaptive Symmetry Discovery for Dynamical System Identification

用于动力系统辨识的自适应对称性发现

Behrooz Tahmasebi, Melanie Weber

机构 * Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院、哈佛大学） 纠错

AI总结 本研究针对未知对称群等变的动力系统，提出自适应对称性发现方法，可从更短单条轨迹辨识系统，性能与已知对称性方法相当，分析依托群表示论与凯莱图性质。

Comments 38 pages, 1 figure. Published at ICML 2026

Journal ref International Conference on Machine Learning (ICML) 2026

Bend the Basics: Degradation-Aware Deformable Tokenization for All-in-One Image Restoration

基础适配：面向全场景图像恢复的退化感知可变形分词

Zihao He, Yunfeng Wu, Xinchao Wang, Songhua Liu

AI总结 本文提出FIT模型，通过全流程退化感知设计及任务分词丢弃策略，在五组图像恢复基准上实现最优性能，较现有方法提升0.5~1.1 dB，可适配各类退化图像恢复任务。

Comments 16 pages, 12 figures. Accepted to ICML 2026

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026

Faster Query-Key Learning Sharpens Attention in Self-Attention Models

更快的查询-键学习强化自注意力模型中的注意力机制

Rahul Vashisht, Harish G. Ramaswamy

AI总结 该研究通过分析自注意力模型的查询-键与输出-值回路的参数化，发现更快的查询-键学习可强化注意力、提升可解释性，且预测性能相当。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

Suppress and Diversify: Refining Robust Pathways for Corruption Robustness

抑制与多样化：优化针对自然图像损坏的鲁棒路径

Jiangang Yang, Wenhui Shi, Xiaoran Xu, Wenyue Chong, Luqing Luo, Jing Xing, Jian Liu

AI总结 该研究针对自然图像损坏的模型鲁棒性问题，提出非侵入式方法S&D，通过选择并多样化鲁棒路径提升性能，在多场景多任务中展现出广泛有效性。

Comments Accepted at ICML 2026

TRACE: A Multi-Layer Benchmark for Human AI Controller Coordination Under Drift and Failure

TRACE：漂移与故障下人机控制器协调的多层基准

Joshua Zuniga, Srinivasan Subramanian, Ramya Madhuri Narapureddy, Md Abdullah Al Hafiz Khan

AI总结 该研究构建了名为TRACE的多层基准，向ALFRED轨迹注入受控漂移，经实验验证其可有效识别归因漂移，且重型注意力模型在该符号基准上无优势。

Comments This work was accepted for presentation and publication at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026)

EvReflection: Event-Driven Micro-Dynamics for Reflection Removal

EvReflection：用于去除反射的事件驱动微动力学

Jiaxiao Wang, Dachun Kai, Huyue Zhu, Quanquan Hu, Zhenyang Xu, Xiaoyan Sun

AI总结 本文提出事件驱动反射去除网络EvReflection，利用事件信号打破反射层与透射层的歧义，结合微动力学解耦器与视差注意力矫正器，在合成和真实基准上PSNR分别提升超1.6 dB、1.2 dB，构建了首个该任务真实数据集EVR²。

Comments ICML 2026