ICML

BESPOKE: Benchmark for Search-Augmented Large Language Model Personalization via Diagnostic Feedback

BESPOKE：通过诊断反馈进行搜索增强型大语言模型个性化的基准测试

Hyunseo Kim, Sangam Lee, Kwangwook Seo, Dongha Lee

机构 * Department of Artificial Intelligence, Yonsei University, Seoul, Republic of Korea（人工智能系，延世大学，首尔，大韩民国） 纠错

AI总结 提出BESPOKE基准，通过收集真实用户历史并配对细粒度偏好分数与反馈，系统评估搜索增强型大语言模型在个性化信息检索任务中的表现。

Comments Accepted to ICML 2026

Adaptive Multi-prompt Contrastive Network for Few-shot Out-of-distribution Detection

自适应多提示对比网络用于少样本分布外检测

Xiang Fang, Arvind Easwaran, Blaise Genest

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机学院和数据科学学院，新加坡） 纠错

AI总结 针对少样本分布外检测问题，提出自适应多提示对比网络（AMCN），通过CLIP学习可学习文本提示和类间/类内分布，实现ID-OOD分离边界自适应。

Comments Published in ICML 2025

Think Twice Before You Act: Enhancing Agent Behavioral Safety with Thought Correction

三思而后行：通过思想修正增强智能体行为安全

Changyue Jiang, Wenqi Zhang, Xudong Pan, Geng Hong, Min Yang

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Pudong Research Institute of Cryptology, Shanghai, China（上海浦东密码研究院，上海，中国） 纠错

AI总结 提出Thought-Aligner，一种轻量级插件式安全模型，在动作执行前对不安全思想进行因果修正，无需修改底层智能体，通过两阶段对比学习训练，在多个基准和六种LLM上将行为安全从约50%提升至约90%，超越现有防护约23%，同时提升有用性约5%。

Comments Accepted to ICML 2026

PLAID: A Unified Data Model for Machine Learning on Heterogeneous Physics Simulations

PLAID：面向异构物理模拟的机器学习统一数据模型

Fabien Casenave, Xavier Roynard, Brian Staber, Alexandre Devaux-Rivière, William Piat, Michele Alessandro Bucci, Nissrine Akkari, Abbas Kabalan, Xuan Minh Vuong Nguyen, Luca Saverio, Raphaël Carpintero Perez, Anthony Kalaydjian, Samy Fouché, Thierry Gonon, Ghassan Najjar, Thomas Daniel, Emmanuel Menier, Matthieu Nastorg, Giovanni Catalani, Christian Rey

机构 * EPFL（苏黎世联邦理工学院） ； Inria（法国国家信息与自动化技术研究院） 纠错

AI总结 提出PLAID统一数据层，通过标准化异构物理模拟数据并发布六个基准数据集，解决机器学习代理模型缺乏大规模多样化数据集的问题。

Comments Presented at EuRIPS 2025 and accepted at the AI4Physics Workshop @ ICML 2026

UPOCR: Towards Unified Pixel-Level OCR Interface

UPOCR：迈向统一像素级OCR接口

Dezhi Peng, Zhenhua Yang, Jiaxin Zhang, Chongyu Liu, Yongxin Shi, Kai Ding, Fengjun Guo, Lianwen Jin

机构 * South China University of Technology（南方科技大学） ； INTSIG Information Co. Ltd（INTSIG信息有限公司） ； INTSIG-SCUT Joint Lab of Document Image Analysis（INTSIG-SCUT文档图像分析联合实验室） 纠错

AI总结 提出UPOCR，一种基于ViT编码器-解码器和可学习任务提示的统一像素级OCR模型，在文本移除、分割和篡改检测三个任务上以单一模型实现最先进性能。

Comments ICML 2024 Version