期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
在有限标签下哪些解剖结构重要？用于心脏病理预测的数据高效解剖感知基准
机构 * Himanshu Singh（希曼斯·辛格）
AI总结 针对有限标签和计算资源下的医学影像问题，提出解剖感知基准，通过比较不同解剖结构表示和分类器，发现表示质量比模型复杂度更重要。
Comments ACCEPTED at ICML 2026 Workshop GlobalSouthML (Seoul, South Korea; PMLR 306, 2026)
基于物理信息合成历史的时间序列基础模型用于冷启动光伏预测
机构 * European Commission（欧洲委员会）
AI总结 针对光伏电站冷启动预测问题，提出利用物理信息合成历史数据，结合时间序列基础模型进行零样本预测，在440个站点上实现1.7-2倍性能提升。
Comments To be published in the 2nd ICML Workshop on Foundation Models for Structured Data
通过动态策略梯度对离散潜在结构进行生成建模
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出GReinSS框架，使用动态缩放奖励学习潜在状态分布以最大化观测数据似然，在模拟潜在集和图重建中优于基线，并在RNA测序数据中比RSEM更准确地重建异构体。
Comments ICML 2026
自演化分布内优化的LLM智能体
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出Q-Evolve框架，通过分布内强化学习统一过程奖励标注与策略学习，利用加权隐式Q学习稳定贝尔曼更新，实现智能体自演化，在AlfWorld等任务上优于基线。
Comments ICML 2026
TabSwift: 一种高效的基于行注意力的表格基础模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出TabSwift，通过门控注意力稳定和可学习注册令牌增强轻量级行注意力骨干，实现高效表格上下文学习，在保持竞争力的同时降低推理成本。
Comments Accepted to ICML 2026, spotlight
RETROSPECT: 通过序列预测和化学变换排序的逆合成
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出RETROSPECT系统，将单步逆合成分解为候选生成和重排序，结合ChemAlign Transformer生成器和LambdaMART重排序器，在USPTO-50K上实现55.00% top-1准确率。
Comments Accepted at the AI for Science workshop (ICML 2026)
文本监督增强视觉-语言模型中的地理空间表示
机构 * University of São Paulo（圣保罗大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究视觉、视觉-语言及多模态模型的地理空间表示能力，发现文本监督能有效提升空间编码，推动地理空间AI发展。
Comments Accepted at ICML 2026
$\alpha$-PFN：通过上下文学习实现快速熵搜索
机构 * University of Freiburg（弗莱堡大学） ； University of Tübingen（图宾根大学） ； University of Amsterdam（阿姆斯特丹大学） ； Lund University（Lund大学） ； Meta
AI总结 提出一种两阶段摊销策略，利用先验数据拟合网络（PFN）在单次前向传播中近似熵搜索采集函数，实现超过50倍加速，在合成和真实基准上性能与最先进方法相当。
Comments Published at ICML 2026
ForensicConcept: 用于AIGI检测的可迁移取证概念
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出ForensicConcept框架，通过Transformer归因定位关键补丁、构建概念码本并利用扩散特征对齐，实现AI生成图像检测中可迁移取证概念的提取与跨骨干网络迁移。
Comments Accepted by ICML 2026
LIMMT：少即是多的运动追踪
机构 * Tsinghua University（清华大学） ； GalBot ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 提出数据驱动的运动追踪框架LIMMT，通过物理可行性、多样性和复杂性三维度筛选高质量运动数据，仅用AMASS的3%数据即可超越全量训练效果。
Comments Accepted at ICML 2026
打破锁定：通过表示调制实现文本到图像生成的多样化
机构 * KAIST（韩国科学技术院）
AI总结 针对文本到图像模型在固定提示下生成样本过于相似的问题，提出无训练表示级干预方法DAVE，通过选择性衰减早期生成中的零频空间平均分量来增强多样性，保持图像质量且计算开销极小。
Comments Accepted to ICML 2026. Code is available at: https://github.com/daheekwon/DAVE
将韩国文化融入大语言模型对齐：迈向文化一致性
机构 * SKT ； LG AI Research（LG人工智能研究） ； Kanana Team（Kanana团队）
AI总结 针对大语言模型的文化对齐，提出构建性定义而非仅抑制负面输出，设计基于提示的种子生成器扩展韩国危害分类，结合韩国法律、社会规范和解释惯例制定安全响应策略，通过DPO微调提升韩国文化安全率且不损害通用能力。
Comments Accepted to ICML 2026 Workshop on Culture X AI
MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。
Comments Accepted at ICML 2026
平面国：大步长梯度下降的冒险
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Canada CIFAR AI Chair (Amii)（加拿大CIFAR人工智能主席（Amii））
AI总结 针对非全局L-光滑的神经网络目标函数，提出一种只需梯度局部Lipschitz连续的定义，设计自适应一阶方法实现大步长并始终处于稳定性边缘，发现过早进入全局平坦区域会降低收敛速度和泛化能力。
Comments Accepted for the International Conference on Machine Learning (ICML 2026)
基于图信息流匹配的时空插补
机构 * EPFL（苏黎世联邦理工学院）
AI总结 提出GiFlow框架，利用图信息先验和混合向量场模型进行时空插补，优于现有方法。
Comments Accepted at ICML 2026
内在视觉：神经科学启发的概念电路用于解释和引导视觉变换器
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出ViSAE工具箱，通过神经科学启发的概念电路解释视觉变换器内部机制，包含高效概念集、自动电路追踪算法和概念编辑应用，在WaterBirds上最差组准确率提升48.2%。
Comments In Proceedings of the International Conference on Machine Learning, 2026. (acceptance rate 26.6%)
通过分解视觉代理实现直接3D感知物体插入
机构 * Google（谷歌） ； Black Forest Labs（黑森林实验室）
AI总结 提出DIRECT框架，通过分解外观、几何和上下文引导，实现可控制3D姿态的物体插入，在几何可控性和视觉质量上优于现有方法。
Comments ICML 2026; Project Page: https://gong1130.github.io/DIRECT/
生成模型通过市场选择侵蚀人类时间学习
机构 * Independent Researcher（独立研究者）
AI总结 本文论证现代生成模型在亚AGI能力水平上通过市场选择机制侵蚀人类时间学习，提出价值崩溃路径并用昂贵检验框架形式化，跨领域证据显示验证侵蚀四阶段。
Comments Accepted at ICML 2026
Journal ref Forty-third International Conference on Machine Learning Position Paper Track (2026)
MalTree: 从嵌入中大规模追踪恶意软件演化
机构 * Delft University of Technology（代尔夫特理工大学）
AI总结 提出MalTree框架，利用生物信息学系统发育技术（UPGMA和邻接法）基于结构、行为和图像特征自动建模恶意软件演化，通过VirusTotal时间戳验证达到87%时间一致性，揭示家族间变异速率差异，支持谱系感知的恶意软件分析。
Comments 33 pages, accepted at ICML 2026
MacArena: 在在线macOS环境中基准测试计算机使用代理
机构 * MacPaw
AI总结 提出MacArena基准，包含421个任务和50个应用，在Apple Silicon上运行，揭示macOS对GUI代理的独特挑战，模型排名在移植任务和原生任务间反转。
Comments Accepted to the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026
固定预算噪声进化策略中深度优先于保真度
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对固定评估预算下的噪声进化策略，提出概率精英成员（PEM）方法，通过条件期望秩权重替代硬秩权重，实现Rao-Blackwell化降噪，在COCO基准和RL等任务中取得一致提升。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 28 pages, 16 figures, 7 tables, including appendices
立场：不要仅仅“在后期修复它”：AI科学必须研究训练动态
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学） ； Harvard University（哈佛大学） ； University of Oxford, Martian（牛津大学，火星） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 本文主张AI科学应超越事后分析，研究训练动态以预测、干预和设计模型行为，并指出当前在可解释性、公平性等领域的进展及开放问题。
Comments Accepted as an oral to the ICML: https://icml.cc/virtual/2026/poster/67142
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