ICML

Metadata Predictability Is Not Evidence Dependence: An Intervention-Based Audit for Weak-Label Benchmarks

元数据可预测性并非证据依赖性：基于干预的弱标签基准审计

Kan Shao

机构 * Jinglue Technology Development (Nanjing) Co., Ltd.（景庐科技发展（南京）有限公司） 纠错

AI总结 针对弱标签基准，提出结合元数据统计（MPDS）和证据干预统计（ΔEvi）的审计方法，通过合成和重构数据集验证了仅依赖元数据筛查的不足，并强调校准的重要性。

Comments 4 pages, 1 figure, 1 table. Accepted at ICML 2026 Workshop on Hypothesis Testing

Not All Proofs Are Equal: Evaluating LLM Proof Quality Beyond Correctness

并非所有证明都平等：超越正确性的LLM证明质量评估

Ivo Petrov, Jasper Dekoninck, Dimitar I. Dimitrov, Martin Vechev

机构 * INSAIT（INSAIT研究所） ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱孟·奥赫里迪斯基"） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出ProofRank基准，评估证明的简洁性、计算便捷性、认知简单性、多样性及适应性，揭示正确性之外的证明质量差异及优劣权衡。

Comments 9 main text pages, 36 total pages, Accepted at ICML 2026 AI for Math workshop

Budget-Feasible Mechanisms for Submodular Welfare Maximization in Procurement Auctions

预算可行机制用于采购拍卖中的子模福利最大化

Shuang Cui, He Huang, Yu-e Sun, Chen Xue

AI总结 本文提出BFM-SWM机制，首次在采购拍卖中实现子模福利最大化的预算可行机制，具有可证明的近似保证，同时改进了效率和效果。

Comments Accepted at ICML 2026

Delegation and Verification Under AI

AI下的委托与验证

Lingxiao Huang, Wenyang Xiao, Nisheeth K. Vishnoi

机构 * Nanjing University（南京大学） ； Yale University（耶鲁大学） 纠错

AI总结 研究工人在AI系统中如何决定委托任务并验证AI输出，发现AI会引发相变，放大验证能力强的工人质量，同时降低其他工人的制度质量。

Comments This paper has been accepted by ICML 2026

PrivacyBench: Privacy Isn't Free in Hybrid Privacy-Preserving Vision Systems

PrivacyBench: 混合隐私保护视觉系统中的隐私并非免费

Nnaemeka Obiefuna, Samuel Oyeneye, Similoluwa Odunaiya, Iremide Oyelaja, Steven Kolawole

机构 * ML Collective（ML集体） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 提出PrivacyBench框架，系统评估FL+DP、FL+SMPC等混合隐私技术在医学图像分类中的交互效应，发现FL+DP组合导致严重收敛失败和性能下降，而FL+SMPC保持近基线性能，为隐私-效用-成本权衡提供系统评估平台。

Comments Preprint; preceding version accepted at ES-FOMO III, ICML 2025

Gradient Testing and Estimation by Comparisons

通过比较进行梯度测试与估计

Xiwen Tao, Chenyi Zhang, Helin Wang, Yexin Zhang, Tongyang Li

机构 * School of Electronics Engineering and Computer Science（电子工程与计算机科学系） ； Computer Science Department（计算机科学系） ； Center on Frontiers of Computing Studies（计算前沿研究中心） ； School of Computer Science（计算机科学系） 纠错

AI总结 针对光滑函数，仅使用比较预言机，提出梯度测试算法（O(1)查询）和梯度估计算法（O(n log(1/ε))查询，最优），并给出量子版本的O(log(n/ε))查询算法。

Comments v3: 37 pages, 1 figure. To appear in the Forty-Third International Conference on Machine Learning (ICML 2026). Added numerical experiments to validate the proposed algorithms (Section 5), and minor fixes that improve presentation compared to v2. This version subsumes the note "Comparisons are all You need for optimizing smooth functions" (v1)

Use What You Know: Causal Foundation Models with Partial Graphs

利用已知信息：带有部分图结构的因果基础模型

Arik Reuter, Anish Dhir, Cristiana Diaconu, Jake Robertson, Ole Ossen, Frank Hutter, Adrian Weller, Mark van der Wilk, Bernhard Schölkopf

机构 * University of Cambridge（剑桥大学） ； Gatsby Computational Neuroscience Unit（加布特计算神经科学单位） ； Prior Labs（Prior实验室） ； University of Freiburg（弗赖堡大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学） 纠错

AI总结 提出在因果基础模型中注入因果图或祖先信息的方法，利用图卷积编码器和注意力机制有效利用部分因果信息，使通用模型匹配专用模型性能。

Journal ref ICML 2026

Revisiting the Platonic Representation Hypothesis: An Aristotelian View

重新审视柏拉图式表征假说：一种亚里士多德式的观点

Fabian Gröger, Shuo Wen, Maria Brbić

AI总结 针对神经网络表征收敛于统一统计模型的柏拉图式假说，本文发现现有相似性度量受网络规模混淆，提出基于置换的零校准框架，揭示全局谱收敛在校准后消失，而局部邻域相似性（非距离）仍跨模态一致，据此提出亚里士多德式表征假说。

Comments ICML 2026 camera-ready

When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents

当行动偏离任务：检测和纠正计算机使用代理中的不对齐行为

Yuting Ning, Jaylen Jones, Zhehao Zhang, Chentao Ye, Weitong Ruan, Junyi Li, Rahul Gupta, Huan Sun

AI总结 针对计算机使用代理中由外部攻击或内部限制导致的行动不对齐问题，提出DeAction方法，通过结构化反馈在执行前检测并迭代纠正，在F1分数和攻击成功率上显著优于基线。

Comments ICML 2026. Project Homepage: https://osu-nlp-group.github.io/Misaligned-Action-Detection/

Orthogonal Hierarchical Decomposition for Structure-Aware Table Understanding with Large Language Models

正交层次分解：面向结构感知的大语言模型表格理解

Bin Cao, Huixian Lu, Chenwen Ma, Ting Wang, Ruizhe Li, Jing Fan

机构 * Zhejiang University of Technology, China（浙江工业大学，中国） ； Zhejiang Key Laboratory of Visual Information Intelligent Processing, China（浙江视觉信息智能处理重点实验室，中国） ； University of Aberdeen, UK（爱丁堡大学，英国） 纠错

AI总结 针对复杂表格中多级表头、合并单元格等结构导致大语言模型理解困难的问题，提出正交层次分解（OHD）框架，通过空间-语义联合约束的正交树归纳方法将不规则表格分解为列树和行树，并设计双路径关联协议重构单元格语义，在AITQA和HiTab基准上优于现有方法。

Comments ICML 2026

Spurious Rewards Paradox: Mechanistically Understanding How RLVR Activates Memorization Shortcuts in LLMs

虚假奖励悖论：从机制上理解RLVR如何在LLMs中激活记忆捷径

Lecheng Yan, Ruizhe Li, Guanhua Chen, Qing Li, Jiahui Geng, Wenxi Li, Longyue Wang, Chenyang Lyu

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Aberdeen（阿伯丁大学） ； University of Birmingham（伯明翰大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 研究RLVR中虚假奖励导致模型依赖记忆而非推理的机制，发现锚定-适配器电路，并通过因果干预验证其作用。

Comments ICML 2026

Eyes-on-Me: Scalable RAG Poisoning through Transferable Attention-Steering Attractors

Eyes-on-Me: 通过可迁移的注意力引导吸引子实现可扩展的RAG投毒

Yen-Shan Chen, Sian-Yao Huang, Cheng-Lin Yang, Yun-Nung Chen

AI总结 提出Eyes-on-Me模块化攻击，通过可重用的注意力吸引子和焦点区域实现零成本适应新目标，在18种RAG设置下平均攻击成功率提升35.9个百分点，并迁移至未见过的黑盒检索器和生成器。

Journal ref Published in Forty-third International Conference on Machine Learning (2026)

Pianist Transformer: Towards Expressive Piano Performance Rendering via Scalable Self-Supervised Pre-Training

Pianist Transformer：通过可扩展的自监督预训练实现富有表现力的钢琴演奏渲染

Hong-Jie You, Jie-Jing Shao, Xiao-Wen Yang, Lin-Han Jia, Lan-Zhe Guo, Yu-Feng Li

AI总结 提出Pianist Transformer，通过统一MIDI表示进行大规模自监督预训练，结合非对称Transformer和音符级压缩，实现高效且富有表现力的钢琴演奏生成。

Comments Accepted to ICML 2026

Computationally-efficient Graph Modeling with Refined Graph Random Features

基于精细化图随机特征的高效图建模

Krzysztof Choromanski, Avinava Dubey, Arijit Sehanobish, Isaac Reid

机构 * Google DeepMind（谷歌DeepMind） ； Columbia University（哥伦比亚大学） ； Google Research（谷歌研究） 纠错

AI总结 提出精细化图随机特征（GRFs++），通过行走拼接技术解决传统GRFs难以建模远距离节点关系的问题，在保持无偏性的同时提高计算效率，并扩展了行走终止机制以提升图核近似精度。

Comments ICML 2026