期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
两步物理：在视觉细化之前锁定运动先验会擦除它们
机构 * National Institute of Standards and Technology（国家标准与技术研究院）
AI总结 本文发现图像到视频扩散模型在两步生成中比多步生成具有更好的物理一致性，通过频谱分析将原因归结为去噪过程中的相位侵蚀，并提出无需训练的PhaseLock框架，通过从两步推理中提取运动先验并利用潜在增量引导强制到高保真生成中，有效缓解相位退化，提升物理一致性平均6.2点，同时保持视觉保真度且开销极小。
Comments ICML 2026
面向扩散模型训练的几何感知数据集压缩
AI总结 针对扩散模型训练，提出基于几何感知分布对齐的真实子集选择方法，利用单侧部分最优传输保持几何结构，并辅以轻量级特征统计与语义一致性正则化，通过两阶段离散优化实现高效压缩。
Comments ICML 2026
通过纠正失真改进视觉令牌减少以实现高效多模态大语言模型推理
机构 * KAIST（韩国科学技术院）
AI总结 提出RESTORE框架，通过校准位置和注意力失真来改进视觉令牌减少，在保持效率的同时提升多模态大语言模型性能。
Comments Accepted to ICML 2026
多智能体系统是专家混合：谁成为影响者？
机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心） ； Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系）
AI总结 本文通过Friedkin-Johnsen意见动力学模型分析多智能体LLM协商机制，揭示输入依赖的FJ参数使系统成为专家混合，并探讨基于自信度、感知自信度和初始观点对齐的影响者形成机制。
Comments Accepted at the 2nd Workshop on Compositional Learning at ICML 2026
iTryOn: 通过空间-语义引导掌握交互式视频虚拟试穿
机构 * Shenzhen Campus of Sun Yat-sen University ； Taobao \& Tmall Group of Alibaba
AI总结 本文提出iTryOn框架，通过空间-语义引导解决交互式视频虚拟试穿中的语义模糊和复杂服装变形问题，实现了更动态可控的虚拟试穿体验。
Comments Project Page: https://zhengjun-ai.github.io/itryon-page. Accepted by ICML 2026
Riemannian MeanFlow用于流形上的单步生成
机构 * School of Software, Shandong University, Jinan, China（软件学院，山东大学，济南，中国）
AI总结 本文提出Riemannian MeanFlow（RMF），通过平行运输定义平均速度场，并推导出将平均速度与瞬时速度联系起来的Riemannian MeanFlow恒等式，从而实现流形上基于位置的切空间中的单步生成，改进了生成质量与效率的权衡并降低了采样成本。
Comments ICML 2026
MemBoost：一种面向成本感知的LLM推理的内存增强框架
机构 * University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出MemBoost框架，通过轻量模型重用历史答案和检索支持信息，并选择性将困难查询路由到强模型，以降低LLM推理成本，同时保持回答质量。
Comments ICML MemFM 2026 Workshop
DSB: 扩散语言模型的动态滑动块调度
机构 * Nanyang Technological University（南洋理工大学）
AI总结 针对扩散语言模型固定块调度忽视语义难度的问题，提出无训练的动态滑动块方法DSB及配套KV缓存机制DSB Cache，显著提升生成质量和推理效率。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
反因果域泛化：利用无标签数据
机构 * Apple（苹果公司） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 针对反因果设置下的域泛化问题，提出利用无标签数据估计环境扰动方向，通过惩罚模型对协变量均值和协方差变化的敏感性实现鲁棒性，并提供最坏情况最优性保证。
Comments Accepted at the International Conference on Machine Learning (ICML) 2026
PRISM：一种用于可解释形状建模的三维概率神经表示
机构 * Department of Computer Science, University of North Carolina at Chapel Hill, Chapel Hill, USA（北卡罗来纳大学教堂山分校计算机科学系） ； Department of Computer Science, University of California San Diego, La Jolla, USA（加州大学圣地亚哥分校计算机科学系） ； School of Medicine, University of North Carolina at Chapel Hill, Chapel Hill, USA（北卡罗来纳大学教堂山分校医学院）
AI总结 提出PRISM框架，结合隐式神经表示与不确定性感知统计形状分析，通过封闭形式Fisher信息度量实现高效局部时间不确定性量化，在形状演化、个性化预测和异常检测任务中表现优异。
Comments ICML 2026, camera-ready version, 24 pages
LALM-as-a-Judge：用于多轮口语对话安全评估的大型音频语言模型基准测试
机构 * Computer Engineering, Technion--Israel Institute of Technology, Haifa, Israel（技术学院电子工程系，技术离子技术研究所，以色列海法） ； Language Technologies Institute, Carnegie Mellon University, Pittsburgh, PA, USA（语言技术研究所，卡内基梅隆大学，美国匹兹堡）
AI总结 针对口语对话中社会不安全内容评估仍以文本为中心、忽略韵律和转录失败的问题，提出包含24000个多轮口语对话的开放基准，评估6种大型音频语言模型在文本、音频和多模态设置下的敏感性、严重性顺序特异性和轮次位置偏差，发现音频提供非词汇证据，多模态增益非普遍且存在多种模式。
Comments Accepted to ICML 2026
语义路由器：通过单一对抗扰动劫持多模态大语言模型的可行性研究
机构 * The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； School of Data Science, School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（数据科学学院、人工智能学院、香港中文大学（深圳））
AI总结 提出语义感知通用扰动（SAUP），作为语义路由器同时劫持多个无状态决策，通过理论分析和SORT优化策略实现，在Qwen上对五个目标达到66%攻击成功率。
Comments Accepted to ICML 2026
TINNs：时间诱导神经网络求解时变偏微分方程
机构 * Department of Applied Mathematics, National Yang Ming Chiao Tung University, Hsinchu 30010, Taiwan（应用数学系，国立阳明交通大学，新竹30010，台湾） ； Institute of Artificial Intelligence Innovation, National Yang Ming Chiao Tung University, Hsinchu 30010, Taiwan（人工智能创新研究所，国立阳明交通大学，新竹30010，台湾） ； National Center for Theoretical Sciences, National Taiwan University, Taipei 10617, Taiwan（理论科学研究中心，国立台湾大学，台北10617，台湾）
AI总结 提出时间诱导神经网络（TINNs），将网络权重参数化为时间的函数，使空间表示随时间演化，结合Levenberg-Marquardt优化，在时变PDE求解中相对误差降低4倍，收敛速度提升10倍。
Comments Accepted at ICML 2026. Camera-ready version. Includes appendix
FutureOmni：从全模态上下文中评估多模态大语言模型的未来预测能力
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； National University of Singapore（新加坡国立大学）
AI总结 提出FutureOmni基准，评估多模态大模型从音视频线索预测未来的能力，发现现有模型在语音密集场景下表现差，并设计OFF训练策略提升性能。
Comments Accepted by ICML 2026
基于不确定性感知注意力头的高效大语言模型幻觉检测
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德人工智能大学） ； ETH Zurich（苏黎世联邦理工学院） ； Independent Researcher（独立研究者） ； Applied AI Institute（应用人工智能研究所）
AI总结 提出RAUQ框架，利用不确定性感知注意力头与令牌级置信度，通过单次前向传递实现无监督、高效的序列级幻觉检测，在12个数据集上优于现有方法且额外计算少于1%。
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Seoul, South Korea, 2026
从记忆到参数干扰：过度训练专家如何损害模型合并
机构 * Concordia University（康科德大学） ； Mila -- Québec AI Institute（魁北克人工智能研究所） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究专家模型微调过度对模型合并的影响，发现长时间微调导致记忆困难样本，造成参数干扰，降低合并性能，并提出任务相关的早停策略改善合并效果。
Comments Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
ASyMOB：代数符号数学运算基准
机构 * MIT（麻省理工学院） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 提出ASyMOB基准，包含35,368个符号数学问题，通过扰动测试揭示大模型在符号数学推理中的鲁棒性不足，并发现LLM与CAS的互补潜力。
Comments Published in ICML2026: https://icml.cc/virtual/2026/poster/63549 Code repository: https://github.com/RamanujanMachine/ASyMOB Complete benchmark dataset: https://huggingface.co/datasets/Shalyt/ASyMOB-Algebraic_Symbolic_Mathematical_Operations_Benchmark
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