ICML

Von Mises-Fisher Mixture Model with Dynamic Shrinkage for Realistic Test-Time Transduction

用于现实测试时转导的具有动态收缩的冯·米塞斯-费舍尔混合模型

Jiazhen Huang, Zhiming Liu, Changhu Wang, Wei Ju, Ziyue Qiao, Xiao Luo

AI总结 研究针对测试时视觉语言模型性能问题，从惩罚似然估计角度提出具有动态收缩的冯·米塞斯-费舍尔混合模型（MOON），该模型基于分布混合建模，能动态调整收缩强度处理不平衡，无需训练和特定超参，实验验证其性能和效率优势。

Comments Accepted by ICML 2026

Journal ref ICML 2026

Efficient Difficulty-Aware Dynamic Routing for Diffusion-Based Real-World Image Super-Resolution

基于扩散的真实世界图像超分辨率的高效难度感知动态路由

Xue Wu, Kang Zhao, Kafeng Wang, Jianfei Chen, Jingwei Xin, Nannan Wang, Xinbo Gao

AI总结 研究基于扩散的真实世界图像超分辨率方法的局限，提出难度感知动态路由（DDR）策略，设计难度估计器并构建不同容量网络，实验证明该模型相比现有方法在效率和有效性上更具优势。

Comments ICML 2026 under review

Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling

立场：量子程序生成必须优先考虑有效性而非概率缩放

Junhao Song, Yu Zhou, William Knottenbelt, Yudong Cao

机构 * IBM（IBM公司） ； DeepMind（深度思维公司） 纠错

AI总结 该论文指出将概率范式用于量子电路合成有误，因量子电路有语法语义差距，未经验证的训练使模型难掌握物理语义，有效子集随量子比特数指数衰减。提出转向以验证器为中心，集成多种元素到生成中，验证意识架构是可行途径，应编码特定规则而非仅靠模仿。

Comments Accepted to ICML 2026: https://openreview.net/forum?id=oX1vWuQ13y

Stop the Sampler! Classifier-Based Adaptive Stopping for Sampling Kernels

停止采样器！基于分类器的采样核自适应停止

Kirill Korolev, Nikita Morozov, Stepan Pavlenko, Esmeralda S. Whitammer, Sergey Samsonov

机构 * Stanford University（斯坦福大学） 纠错

AI总结 提出将MCMC轨迹终止作为可学习组件，利用非循环生成流网络训练状态依赖分类器，在保证详细平衡条件下自适应停止采样，显著缩短轨迹长度并改善模式覆盖与混合。

Comments ICML 2026 SPIGM Workshop

An Embarrassingly Simple Way to Optimize Orthogonal Matrices at Scale

一种简单易行的方法用于大规模优化正交矩阵

Adrián Javaloy, Antonio Vergari

机构 * Institute for Machine Learning, University of Edinburgh, GB（机器学习研究所，爱丁堡大学） 纠错

AI总结 POGO是一种高效优化算法，通过简化方法在大规模问题中有效满足正交约束，提升优化性能。

Comments 24 pages, 10 figures, accepted at ICML 2026

Large-Scale Terminal Agentic Trajectory Generation from Dockerized Environments

从Docker化环境生成大规模终端代理轨迹

Siwei Wu, Yizhi Li, Yuyang Song, Wei Zhang, Yang Wang, Riza Batista-Navarro, Xian Yang, Mingjie Tang, Bryan Dai, Jian Yang, Chenghua Lin

机构 * University of Manchester（曼彻斯特大学） ； IQuest Research（IQuest研究） ； Beihang University（北航大学） ； Sichuan University（四川大学） ； Multimodal Art Projection Research Community（多模态艺术投影研究社区） 纠错

AI总结 本文提出TerminalTraj，通过Docker化环境生成高质量终端轨迹，提升代理模型在终端任务中的性能表现。

Comments Accepted as a Spotlight paper at ICML 2026

Multi-marginal temporal Schrödinger Bridge Matching from unpaired data

基于未配对数据的多边际时间薛定谔桥匹配

Thomas Gravier, Thomas Boyer, Auguste Genovesio

机构 * IBENS, ENS Ulm, PSL（IBENS、ENS乌姆、PSL） 纠错

AI总结 针对从静态样本快照观察自然动态过程的问题，提出多边际时间薛定谔桥匹配（MMtSBM），通过推导迭代马尔可夫拟合算法扩展相关理论与效率，在多类实验中表现出色，确立其为恢复隐藏动态的实用方法。

Comments ICML 2026. Code available at https://github.com/tgravier/MMDSBM-pytorch . Additional experimental materials available at https://mmdsbm.notion.site