ICML

How 'Neural' is a Neural Foundation Model?

神经基础模型的'神经'程度如何？

Johannes Bertram, Luciano Dyballa, Anderson Keller, Savik Kinger, Steven W. Zucker

AI总结 研究通过分析神经基础模型中神经元的时序响应模式，揭示了模型不同处理阶段的表征结构差异，并提出改进设计以更贴近生物系统。

Comments 28 pages, 18 figures, sumbitted to ICML 2026. arXiv admin note: substantial text overlap with arXiv:2512.07869

Step-DAD: Semi-Amortized Policy-Based Bayesian Experimental Design

Step-DAD: 半 amortized 政策导向的贝叶斯实验设计

Marcel Hedman, Desi R. Ivanova, Cong Guan, Tom Rainforth

机构 * University of Oxford（牛津大学） 纠错

AI总结 Step-DAD 是一种半 amortized、基于政策的贝叶斯实验设计方法，通过测试时更新策略提升灵活性和鲁棒性，实验证明其决策能力优于现有方法。

Comments Accepted at Proceedings of the 42nd International Conference on Machine Learning, Vancouver, Canada. PMLR 267, 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:22904-22923, 2025

Monte Carlo Tree Diffusion for System 2 Planning

蒙特卡洛树扩散用于系统2规划

Jaesik Yoon, Hyeonseo Cho, Doojin Baek, Yoshua Bengio, Sungjin Ahn

机构 * New York University（纽约大学） 纠错

AI总结 蒙特卡洛树扩散结合扩散模型和MCTS的优势，通过树结构的去噪过程提升规划性能，实验证明其在长时间任务中优于现有方法。

Comments 23 pages, 7 figures, ICML 2025 Spotlight

Automated Search for Conjectures on Mathematical Constants using Analysis of Integer Sequences

利用整数序列分析自动搜索数学常数的猜想

Ofir Razon, Yoav Harris, Shahar Gottlieb, Dan Carmon, Ofir David, Ido Kaminer

AI总结 本文提出通过分析整数序列来自动搜索数学常数猜想的ESMA算法，发现了一系列已知公式和新猜想，提升了数值计算效率。

Comments 5 figures, 31 pages including supplementary information

Journal ref International Conference on Machine Learning 202, 28809-28842 (2023)

CURIOUS: Intrinsically Motivated Modular Multi-Goal Reinforcement Learning

CURIOUS：内在动机的模块化多目标强化学习

Cédric Colas, Pierre Fournier, Olivier Sigaud, Mohamed Chetouani, Pierre-Yves Oudeyer

机构 * Flowers Team, Inria and Ensta ParisTech（Inria和Ensta巴黎科技大学） 纠错

AI总结 CURIOUS通过内在动机探索和自动课程学习机制，实现模块化多目标强化学习的自组织发展。

Comments Accepted at ICML 2019 https://github.com/flowersteam/curious

Journal ref Proceedings of the 36th International Conference on Machine Learning 2019