Tensor Train Diffusion: Leveraging Low-Rank Structures for High-Dimensional Score-Based Sampling
张量列车扩散：利用低秩结构进行高维基于分数的采样
AI总结 研究如何利用低秩结构进行高维基于分数的采样，提出基于函数张量列车格式求解HJB方程的方法，结合反向迭代方案，克服现有技术瓶颈，实现从复杂目标分布高效高保真采样。
Journal ref ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
RL Post-Training Builds Compositional Reasoning Strategies
强化学习后训练构建组合推理策略
AI总结 研究强化学习后训练能否组合原始技能成高级策略，通过在可观察环境实验发现，强化学习能解决预训练模型难题，通过分阶段组合机制重组能力，组合过程可复用巩固，与拒绝微调关键差异在选择性，预训练消融表明其对组合策略出现有影响。
Comments 8 pages, 6 figures. Accepted to the 2nd Workshop on Compositional Learning at ICML 2026, Seoul, South Korea
Creativity from Friction: Human-AI Interaction for Exploratory Structural Design
摩擦产生创造力：用于探索性结构设计的人机交互
机构 * Block Research Group, Department of Architecture, ETH Zurich（建筑系，苏黎世联邦理工学院） ； IVIA Lab, Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 探讨当前生成式AI目标与结构设计师等创作者需求的偏差，提出允许受限人机共同创作的系统设计维度，通过试点设计界面和专家研究，展示其对设计空间探索的支持及设计师看法。
Comments Accepted at ICML 2026, Workshop on Human-AI Co-Creativity
A Theory of Contrastive Learning with Natural Images
一种基于自然图像的对比学习理论
AI总结 研究简单图像与增强方式的对比学习为何能为下游任务产生有用表征。核心方法是依据对比损失解析计算最优表征，贡献为揭示特定增强方式下最优 CNN 的结构及权重特点，实验验证其有效性。
Comments ICML 2026
FMMVCC: Fuzzy Mamba-based Multi-View Contrastive Clustering for Univariate Time Series
FMMVCC：基于模糊曼巴的单变量时间序列多视图对比聚类
AI总结 针对大量带有限或昂贵注释的时间序列数据，介绍基于曼巴的深度聚类框架FMMVCC。它利用状态空间序列建模及多视图自监督学习，在15个基准数据集实验中优于现有基线，在多指标评估中表现出色。
Journal ref Proc. 2026 6th International Conference on Machine Learning and Intelligent Systems Engineering (MLISE), IEEE, 2026
Continual Learning With Participation Privacy: An Auditable Buffering-Aggregation Recipe
具有参与隐私的持续学习：一种可审计的缓冲聚合方法
机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 研究单编辑相邻用户流的持续学习隐私问题，提出模块化方法，用随机缓冲包装器处理，证明认证定理，使标准原语产生轨迹级差分隐私，建立隐私与延迟联系。
Comments This version corrects and clarifies the independent-decomposability condition underlying the adaptive-safety result in the ICML 2026 paper, with corresponding revisions to the affected statements and proofs
Rethinking Multimodal Time-Series Forecasting Evaluation
重新思考多模态时间序列预测评估
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google Research（谷歌研究院）
AI总结 研究针对现有多模态时间序列预测基准的问题，引入TimesX基准，通过自动数据生成管道获取多样真实世界时间序列。经实证研究发现，一些在现有基准上好的方法在TimesX上可能失败，而利用文本上下文的简单集成方法表现出色。
Journal ref Published in ICML 2026
End-to-End LLM Flight Planning with RAG-based Memory and Multi-modal Coach Agent
基于基于检索增强生成的记忆和多模态教练代理的端到端大语言模型飞行规划
机构 * George Washington University（乔治华盛顿大学） ； Metis Solutions Technology Inc
AI总结 针对电动垂直起降飞机部署中传统飞行规划算法难以融入人类偏好的问题，提出FRAMe工具，集成规划器LLM、多模态教练代理和基于RAG的记忆，在多场景演示中效果最佳，能将自然语言指令转化为优质飞行路线。
Comments Accepted at the ICML 2026 LM4Plan Workshop
Geometric Collapse: When Vision Models Fail to Verify Physical Causality
几何崩溃：视觉模型何时无法验证物理因果关系
机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； The Chinese University of Hong Kong（香港中文大学） ； AgentecFusion Limited（AgentecFusion有限公司） ； School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）
AI总结 研究视觉模型在验证物理因果关系时的问题，提出“Scrambled Edges”方法，通过特定控制分离无支撑边缘证据影响，实验表明该方法使预测偏差增大，几何崩溃全局传播，为改进模型物理合理性提供依据。
Comments ICML 2026
Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics
评估用于计算和实验数学的SageMath增强型大语言模型智能体
机构 * The Sage Developers（Sage开发者团队）
AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。
Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026
When Agents Go Rogue: Activation-Based Detection of Malicious Behaviors in Multi-Agent Systems
当智能体行为异常时：基于激活的多智能体系统恶意行为检测
AI总结 针对多智能体系统面临的安全挑战，提出基于激活的框架AcMAS，通过分析智能体激活空间中的推理状态检测隐蔽攻击，不依赖交互图，还能恢复受损智能体功能，在检测隐蔽攻击上显著优于基线方法。
Comments Accepted to ICML 2026
Robust Human-AI Complementarity under Uncertainty
不确定性下稳健的人机互补性
机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系）
AI总结 研究人类决策者与人工智能可用信息质量的不对称信息对提取互补价值能力的影响，指出关键是误差相关结构，当人工智能与人类预测误差负相关时，决策者可构建稳健策略，并用实际基准进行了实证研究。
Comments ICML 2026
Multiplication Beyond Groups: Stratified Fourier Mechanisms in Transformer Circuits
超越群的乘法：Transformer电路中的分层傅里叶机制
AI总结 研究小型变压器学习复合模上模整数乘法的方法，提出幺半群扩展，将输入空间划分区域，发现训练的变压器中嵌入、注意力等呈现特定特性，表明相关表示理论机制可超越群扩展到更一般结构。
Comments 29 pages, 15 figures. Spotlight at the Mechanistic Interpretability Workshop at ICML 2026. First three authors contributed equally. Code at https://github.com/uw-math-ai/interpreting-monoids
Unveiling the Visual Counting Bottleneck in Vision-Language Models
揭示视觉语言模型中的视觉计数瓶颈
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 通过分解视觉计数为三个认知阶段，发现视觉语言模型在符号映射阶段失败，提出断裂数量假说：模型学习到分离的模态特定统计流形，无法实现跨模态对齐。
Comments ICML 2026
Sharp Inequalities between Total Variation and Hellinger Distances for Gaussian Mixtures
高斯混合的总变差与Hellinger距离之间的尖锐不等式
AI总结 本文建立了紧支撑混合分布下高斯位置混合的总变差与Hellinger距离之间的上界，并构造序列证明其尖锐性，从而解决了Jia等人(2023)提出的开放问题，并给出了总变差下学习高斯混合的熵特征以及Hellinger距离下的最优鲁棒估计。
Comments 36 pages
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Seoul, South Korea. PMLR 306, 2026
Towards Understanding Steering Strength
理解引导强度
AI总结 研究大语言模型训练后控制中引导强度问题，提出对其首次理论分析，刻画其对相关量的影响并推导规律，揭示非单调效应，还通过11个语言模型实验验证了理论预测。
Comments Accepted for publication at ICML 2026 (50 pages)
Query-Based Asymmetric Modeling with Decoupled Input-Output Rates for Speech Restoration
基于解耦输入输出速率的基于查询的语音恢复非对称建模
AI总结 研究语音恢复中输入输出采样率不同的问题，提出基于查询的xSFI建模框架TF-Restormer，通过特定编码合成方式及多种损失训练，在多采样率基准测试中无需冗余重采样实现保真度与感知质量平衡。
Comments Accepted to ICML 2026
LiveOIBench: Can Large Language Models Outperform Human Contestants in Informatics Olympiads?
LiveOIBench：大语言模型在信息学奥林匹克竞赛中能超越人类参赛者吗？
机构 * University of Michigan（密歇根大学）
AI总结 研究大语言模型在信息学奥林匹克竞赛中的表现，引入含403个专家策划问题的LiveOIBench基准，通过四个关键特性评估34个模型，发现GPT - 5等不及顶级人类参赛者，还表明强大推理模型特点及基准数据污染少。
Comments ICML 2026 Camera Ready
FPTQuant: Function-Preserving Transforms for LLM Quantization
FPTQuant：用于大语言模型量化的函数保持变换
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 研究针对大语言模型推理能耗高问题，提出FPTQuant方法，通过引入三种函数保持变换促进Transformer量化，经训练使模型在量化时保持功能，实现静态INT4量化，有最小开销且速度大幅提升，在精度-速度权衡上表现优异。
Comments Forty-third International Conference on Machine Learning (ICML 2026)
ContrastiveCFG: Guiding Diffusion Sampling by Contrasting Positive and Negative Concepts
对比CFG：通过对比正负概念引导扩散采样
机构 * EverEx
AI总结 研究在条件扩散模型采样中，针对简单否定CFG引导存在的问题，提出用对比损失实现对给定条件引导的新方法，能在多样场景下有效注入或去除给定概念并保持样本质量。
Comments 20 pages, 11 figures. Poster in ICML 2026
Learning to Explore for Stochastic Gradient MCMC
为随机梯度MCMC学习探索
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出一种元学习策略，使SGMCMC能够高效探索多模态后验分布，提升采样效率并优于传统SGMCMC方法。
Journal ref Proceedings of the 41st International Conference on Machine Learning, Proceedings of Machine Learning Research 235:24015-24039, 2024
