ICML

MetaPerch: Learning from metadata for bioacoustics foundation models

MetaPerch：从元数据学习生物声学基础模型

Mustafa Chasmai, Vincent Dumoulin, Jenny Hamer

AI总结 研究利用生物声学数据中心的元数据，将位置、时间等元数据作为辅助监督信号，引入MetaPerch基础模型，提升物种识别性能，还对9种元数据源在17个数据集上的效果做了实证研究。

Comments Accepted to ICML 26

Plausible Deniability Guarantees for Whistleblowers

举报人似是而非的可否认性保障

Leo Richter, Matt J. Kusner

机构 * University College London（伦敦大学学院） ； École Polytechnique de Montréal（蒙特利尔理工学院） ； Mila - Québec Artificial Intelligence Institute（魁北克人工智能研究所） 纠错

AI总结 研究如何保障举报人，针对现有保护提案和差分隐私机制不足，形式化逐报告(0,δ)-差分隐私，证明随机响应不比均匀随机审计好超δ，给出通用机制简化私人审计，实例化后有良好效果，模拟显示优于随机响应。

Comments Accepted at three ICML 2026 workshops, including the ICML Workshop on Technical AI Governance Research

How the Hessian-Spectrum of Neural Networks Depends on Data

神经网络的海森谱如何依赖于数据

Jasraj Singh, Enea Monzio Compagnoni, Antonio Orvieto

AI总结 研究神经网络海森谱与数据的关系，推导线性网络海森矩阵特征值，发现分类任务中解的锐度与样本类别比例有关，经实验验证预测并分析相关影响，结论适用于更实际学习设置。

Comments 15 pages, 8 figures; Accepted at HiLD@ICML'26

Symbiosis-Inspired Knowledge Distillation for Incremental Object Detection

共生启发的知识蒸馏用于增量目标检测

Mingyue Zeng, De Cheng, Zhipeng Xu, Huaijie Wang, Nannan Wang, Xinbo Gao

AI总结 研究增量目标检测问题，提出共生启发的知识蒸馏方法（SIKD），通过空间共生蒸馏和语义共生蒸馏在两个层面利用对象共生，有效解决现有方法不足，实验验证了该方法的有效性和优越性。

Comments 16 pages, 8 figures, Accepted by ICML 2026

Local Redundancy: An Information-Theoretic Measure of Plasticity from Synthetic Memorization

局部冗余：一种基于合成记忆的可塑性信息论度量

Jiaxuan Cheng

AI总结 研究神经网络可塑性度量，引入基于通用压缩理论的局部冗余，将其定义为局部模型族最坏情况冗余，证明期望平方梯度范数可作下界，实验表明该度量比现有方法更能预测下游性能并助于预训练检查点选择。

Comments 13 pages, 7 figures. ICML 2026 (Spotlight)

Is the Statistical Advantage Worth the Cost? An Empirical Comparison of KANs and MLPs for Structured Data Classification

统计优势是否值得付出成本？KANs和MLPs在结构化数据分类中的实证比较

Matthew Steven P. Toledo, Justine Raphael H. Jacinto, Vivekjeet Singh Chambal, Rodolfo C. Camaclang, Jamlech Iram N. Gojo Cruz, Reginald Neil C. Recario

机构 * Institute of Computer Science, University of the Philippines Los Baños（菲律宾大学洛斯巴尼奥斯分校计算机科学研究所） ； Machine Learning and Artificial Intelligence Applications Lab, University of the Philippines Los Baños（菲律宾大学洛斯巴尼奥斯分校机器学习与人工智能应用实验室） 纠错

AI总结 该研究对KANs和MLPs在结构化表格分类任务上进行实证比较，在标准化设置下训练并评估性能。结果显示KANs在二元和多类领域统计上更优，但效应量表明其有更高复杂度。结论是KANs适用于高精度应用，MLPs对资源受限环境更合适，未来应扩展分析。

Comments To be presented at the 9th International Conference on Machine Learning and Machine Intelligence (MLMI 2026), Tokyo, Japan

The Refusal Residue: When Probes Catch Alignment Faking and When They Don't

拒绝残差：探测何时能捕捉到对齐造假以及何时不能

Aman Mehta

机构 * Snowflake AI Research（Snowflake AI 研究所） 纠错

AI总结 研究对齐造假中隐藏状态能否揭示输出隐藏内容，对13个模型扫描，发现Qwen3 - 32B和Llama - 3.1 - 8B存在自然造假及不对称拒绝残差，样本检测有模型条件性，还发布五控制测量框架用于对齐造假检测。

Comments Accepted to the Mechanistic Interpretability Workshop at ICML 2026. 12 pages, 4 figures

Targeted Recovery of Weight-Space Mechanisms From Neural Networks

从神经网络中定向恢复权重空间机制

Antoine Vigouroux, Lee Sharkey

AI总结 研究提出定向参数分解（tPD）方法，通过引入高秩通用组件，从神经网络中仅识别处理特定感兴趣输入的组件，在玩具模型和Transformer语言模型上验证有效，能以低计算量提取子模型并对记忆序列进行手术式操作。

Comments Accepted at the Mechanistic Interpretability Workshop, ICML 2026

The Perplexity Trap: When Patent Law Makes Human Writing Look Like AI

困惑陷阱：专利法何时让人类写作看起来像人工智能

Anubhab Banerjee

机构 * European Patent Office（欧洲专利局） 纠错

AI总结 研究针对专利法下筛选疑似人工智能生成专利文本的难题，在消费级硬件条件下用多种策略进行基准测试，发现现有检测器误报率高，问题是结构性的，提出七特征语言复杂性逻辑回归方法，提升了准确率。

Journal ref Proceedings of the ICML 2026 Workshop on AI4Law