ICML

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