ICML

When Replanning Becomes the Bottleneck: Budgeted Replanning for Embodied Agents

当重规划成为瓶颈：具身智能体的预算型重规划

Shuaijun Liu, Feiyang You, Xingwei Chen, Ningxin Su

AI总结 针对具身智能体重规划延迟超标的瓶颈问题，提出搭载E-RECAP渐进式token剪枝方法的BRACE控制器，通过预算控制循环减少token消耗、降低SLO违反率，在多平台任务中提升了重规划的实时性与成功率。

Comments 20 pages total: 9 pages main text, 3 pages references, and 8 pages appendix; 18 figures and 32 tables. Accepted at ICML 2026

TabDPT-Turbo: Efficient In-Context Learning for Tabular Prediction

TabDPT-Turbo：面向表格预测的高效上下文学习方法

Rasa Hosseinzadeh, Alex Labach, Zexin Xue, Shuyi Han, Valentin Thomas, Anthony L. Caterini

AI总结 本文提出TabDPT-Turbo模型，通过结合基于行的注意力、长上下文预训练及SSL预训练，在保持与TabDPT v1.1相当性能的同时大幅提升推理速度，是当前最快的表格预测基础模型。

Comments Presented as a poster at the non-archival ICML workshop on Foundation Models for Structured Data (FMSD)

Active Regression for Single-Index Models with Unknown Link Functions

未知链接函数下单索引模型的主动回归

Chansophea Wathanak In, Yi Li, Wai Ming Tai, Xuan Wu

AI总结 本文针对一般p≥1下未知链接函数的单索引模型主动ℓₚ回归问题，提出非自适应采样算法并建立几乎紧下界，缩小了该领域的理论差距。

Comments Earlier version accepted to ICML 2026; the lower bound has been extended to adaptive queries

DiffuseAgent-MI: Distributionally-Grounded,Tool-Integrated Self-Evolving Agents for Faithful Visual Reasoning

DiffuseAgent-MI：用于忠实视觉推理的基于分布、集成工具的自进化智能体

An Lanji, Dawei Liu, Jin Li, Haoran Xu, Mei Chen, Yu Tian

AI总结 DiffuseAgent-MI是基于分布、集成工具的自进化视觉推理智能体，通过KL最小能量模型与轨迹级验证器提升忠实性，在多数据集上准确率及相关指标表现优于现有模型。

Comments 11 pages, 9 figures, accepted by ICML 2026 manitrack

LieStoNet: Learning Lie Symmetries from Spatiotemporal Data for Stochastic Dynamical Systems

LieStoNet：从时空数据中学习随机动力系统的李对称

Shida Liu, Abhishek Gupta, Sumit Sinha, L. Mahadevan

AI总结 LieStoNet是端到端无模板框架，可从时空轨迹发现SDE的李点对称性，在已知解析对称的典型SDE上恢复出与真实对称代数一致的生成元，为含噪动力学提供可解释对称性发现方案。

Comments 25 Pages, 7 figures. Accepted to the International Conference on Machine Learning (ICML 2026)

Contextual Slate GLM Bandits with Limited Adaptivity

有限自适应性下的上下文式板GLM赌博机

Tanmay Goyal, Sukruta Prakash Midigeshi, Gaurav Sinha

机构 * Microsoft Research India（微软研究院印度） 纠错

AI总结 针对有限自适应性的上下文式板赌博机问题，提出两种算法B-SlateGLinCB和RS-SlateGLinCB，分别适用于批处理和少切换设置，在多样性假设下实现与非线性参数无关的遗憾界，并具有计算效率。

Comments Accepted at ICML 2026

Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics

破解生成困惑度：为何无条件文本评估需要分布度量

Antonio Franca, Alexander Tong

机构 * AITHYRA Institute（AITHYRA研究所） 纠错

AI总结 本文指出生成困惑度（gen-PPL）作为非自回归语言模型评估指标存在缺陷，通过构造零参数朴素采样器在LM1B和OpenWebText上达到SOTA gen-PPL但生成不连贯文本，建议采用直接量化生成文本与参考文本分布差异的评估套件。

Comments Presented at the ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM), Seoul, South Korea

Plug-and-Play Guidance for Discrete Diffusion Models via Gradient-Informed Logit Correction

基于梯度信息逻辑校正的离散扩散模型即插即用引导

Hongkun Dou, Zike Chen, Fengji Li, Hongjue Li, Yue Deng

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 提出GILC框架，通过将预训练去噪网络作为变分代理来估计引导信号，并引入无雅可比机制直接校正干净预测逻辑，实现无需额外训练的离散扩散模型可控生成，在DNA、蛋白质序列和分子生成任务上达到最优性能。

Comments Accepted by ICML 2026

DisjunctiveNet: Neural Symbolic Learning via Differentiable Convexified Optimization Layers

DisjunctiveNet: 通过可微凸优化层实现的神经符号学习

Shraman Pal, Can Li

机构 * Davidson School of Chemical Engineering, Purdue University, West Lafayette, USA（帕克大学化学工程大卫逊学校） 纠错

AI总结 针对数据稀疏且富含领域知识的场景，提出DisjunctiveNet框架，通过可微凸优化层将析取约束嵌入神经网络，实现硬约束满足与强预测性能。

Comments ICML 2026

Multi-Level Strategic Classification: Incentivizing Improvement through Promotion and Relegation Dynamics

多层级策略分类：通过晋升与降级动态激励改进

Ziyuan Huang, Lina Alkarmi, Mingyan Liu

机构 * Electrical and Computer Engineering Department, University of Michigan, Ann Arbor, MI 48109, USA（密歇根大学电气与计算机工程系，安阿伯，MI 48109，美国） 纠错

AI总结 本文提出一种多层级晋升-降级框架，通过设计分类器阈值和难度递进来激励代理人诚实努力，并证明在温和条件下代理人可通过真实改进达到任意高水平。

Comments 9 pages, 4 figures, ICML 2026

Light Forcing: Accelerating Autoregressive Video Diffusion via Sparse Attention

轻量强制：通过稀疏注意力加速自回归视频扩散

Chengtao Lv, Yumeng Shi, Yushi Huang, Ruihao Gong, Shen Ren, Wenya Wang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

AI总结 针对自回归视频生成模型中注意力二次复杂度问题，提出首个稀疏注意力方案Light Forcing，通过块感知增长机制和分层稀疏注意力实现质量和效率提升。

Comments ICML 2026

TEAM: Temporal-Spatial Consistency Guided Expert Activation for MoE Diffusion Language Model Acceleration

TEAM: 时空一致性引导的专家激活用于MoE扩散语言模型加速

Linye Wei, Zixiang Luo, Pingzhi Tang, Meng Li

机构 * Institute for Artificial Intelligence（人工智能研究院） ； School of Integrated Circuits（集成电路学院） ； Yuanpei College（元培学院） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进创新中心） 纠错

AI总结 针对MoE扩散语言模型中专家激活过多导致推理开销大的问题，提出TEAM框架，利用路由决策的时空一致性，通过保守激活和激进推测解码实现加速，最高提速2.2倍且性能损失极小。

Comments Accepted by ICML 2026

Randomized Advantage Transformation (RAT): Computing Natural Policy Gradients via Direct Backpropagation

随机优势变换（RAT）：通过直接反向传播计算自然策略梯度

Mingfei Sun

机构 * The University of Manchester, United Kingdom（曼彻斯特大学，英国） 纠错

AI总结 本文提出RAT方法，通过直接反向传播估计正则化自然策略梯度，解决了传统方法中估计和求逆Fisher矩阵成本高的问题，实验证明其在连续和视觉控制基准上性能优异且易于实现。

Comments Accepted to ICML 2026

Margin-Adaptive Confidence Ranking for Reliable LLM Judgement

基于边际的置信度排名用于可靠的LLM判断

Gaojie Jin, Yong Tao, Lijia Yu, Tianjin Huang

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； Institute of AI for Industries, Chinese Academy of Sciences（中国科学院工业人工智能研究所） ； Department of Mathematics and Computer Science, Eindhoven University of Technology（埃因霍温理工大学数学与计算机科学系） 纠错

AI总结 本文提出一种基于边际的置信度排名方法，通过学习专用置信度估计器，改进LLM在人类判断一致性上的表现，通过模拟标注者多样性与边际排名公式，显式建模LLM区分人类一致与不一致案例的置信度，并推导出通用性保证。

Comments Accepted to ICML 2026

RL-SPH: Learning to Achieve Feasible Solutions for Integer Linear Programs

RL-SPH: 学习实现整数线性规划的可行解

Tae-Hoon Lee, Min-Soo Kim

机构 * School of Computing, KAIST, Daejeon, Republic of Korea（韩国釜山国立大学计算机学院） 纠错

AI总结 本文提出RL-SPH，一种基于强化学习的起始启发式方法，能独立生成高质量可行解，尤其适用于包含非二元整数的整数线性规划问题。

Comments Accepted at ICML 2026. 30 pages, 12 figures, 22 tables

OTora: A Unified Red Teaming Framework for Reasoning-Level Denial-of-Service in LLM Agents

OTora：一种用于LLM代理推理层面拒绝服务攻击的统一红队框架

Xinyu Li, Ronghui Mu, Lin Li, Tianjin Huang, Gaojie Jin

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Mathematics and Computer Science, Eindhoven University of Technology（埃因霍温理工大学数学与计算机科学系） 纠错

AI总结 OTora是首个统一的两阶段红队框架，用于实现推理层面拒绝服务攻击，通过优化对抗触发器和生成代理感知的推理负载，提升推理token数量和延迟，同时保持任务准确性。

Comments Accepted to ICML 2026

Attention Sinks as Internal Signals for Hallucination Detection in Large Language Models

注意力汇点作为大语言模型幻觉检测的内部信号

Jakub Binkowski, Kamil Adamczewski, Tomasz Kajdanowicz

机构 * Department of Artificial Intelligence, Wroclaw University of Science and Technology（弗罗茨瓦夫科技大学人工智能系） 纠错

AI总结 本文提出SinkProbe方法，通过分析注意力汇点揭示幻觉检测机制，基于理论提出新的检测方法，在多个数据集和LLM上取得最佳性能。

Comments Accepted at ICML 2026

A Perturbation Approach to Unconstrained Linear Bandits

无约束线性赌博机的一种扰动方法

Andrew Jacobsen, Dorian Baudry, Shinji Ito, Nicolò Cesa-Bianchi

机构 * Inria, Univ. Grenoble Alpes, Grenoble INP, CNRS, LIG, 38000 Grenoble, France（法国国家信息与自动化研究所、格勒诺布尔阿尔卑斯大学、格勒诺布尔INP、国家科学研究中心、格勒诺布尔理工大学） ； The University of Tokyo（东京大学） 纠错

AI总结 本文提出一种基于扰动的框架，将无约束线性赌博机问题简化为标准在线线性优化问题，并实现了静态和动态遗憾的最优高概率保证。

Comments 50 pages; v2: ICML 2026; v3: fixed document outine + typos

Token-Efficient Change Detection in LLM APIs

LLM API中的令牌高效变化检测

Timothée Chauvin, Clément Lalanne, Erwan Le Merrer, Jean-Michel Loubes, François Taïani, Gilles Tredan

机构 * Université de Rennes, Inria, CNRS/IRISA（里昂大学、法国国家信息与自动化技术研究院、法国国家科学研究中心/IRISA） ； Equipe Regalia, Inria（Regalia团队、法国国家信息与自动化技术研究院） ； LAAS, CNRS（拉劳斯研究中心、法国国家科学研究中心） ； Univ Toulouse, INUC, UT2J, INSA Toulouse, TSE, CNRS, IMT（图卢兹大学、INUC、UT2J、图卢兹国家高等工业学院、TSE、法国国家科学研究中心、IMT） 纠错

AI总结 提出基于边界输入的黑盒变化检测方案B3IT，在仅观察输出令牌的条件下实现低成本、高性能的LLM变化检测。

Comments ICML 2026

Curriculum-Guided Layer Scaling for Language Model Pretraining

用于语言模型预训练的课程引导层缩放

Karanpartap Singh, Neil Band, Ehsan Adeli

机构 * Stanford University（斯坦福大学） 纠错

AI总结 受人类认知发展启发，提出课程引导层缩放框架，通过渐进式层堆叠使数据难度与模型增长同步，在不同参数规模预训练并分层数据，提升模型泛化及零样本性能。

Comments Accepted to ICML 2026. Code available at https://github.com/su-karanps/cgls

Extending Fair Null-Space Projections for Continuous Attributes to Kernel Methods

将连续属性的公平零空间投影扩展到核方法

Felix Störck, Fabian Hinder, Barbara Hammer

机构 * Felix Störck ； Fabian Hinder ； Barbara Hammer 纠错

AI总结 提出将公平零空间投影扩展到核诱导特征空间，通过经验特征空间直接变换核矩阵，实现模型和公平评分无关的连续属性公平性方法，并在支持向量回归中展示竞争性或改进性能。

Comments Accepted to ICML 2026 (v3: typo corrected in appendix A.2)

WorldMirror: Universal 3D World Reconstruction with Any-Prior Prompting

WorldMirror：基于任意先验提示的通用三维世界重建

Yifan Liu, Zhiyuan Min, Zhenwei Wang, Junta Wu, Tengfei Wang, Yixuan Yuan, Yawei Luo, Chunchao Guo

机构 * Zhejiang University（浙江大学） ； Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元） 纠错

AI总结 本研究提出WorldMirror这一统一前馈模型，可整合多种几何先验并生成多种三维表示，在多类三维几何任务的基准测试中达到最优性能且推理效率高。

Comments Accepted to ICML 2026. Code: https://github.com/Tencent-Hunyuan/HunyuanWorld-Mirror Project page: https://3d-models.hunyuan.tencent.com/world/

A Compute-Matched Re-Evaluation of TroVE on MATH

Tobias Sesterhenn, Ian Berlot-Attwell, Janis Zenkner, Christian Bartelt

机构 * Clausthal University of Technology, Clausthal, Germany（克莱斯特哈尔技术大学） ； Vector Institute, University of Toronto, Toronto, Canada（向量研究所） 纠错

Journal ref 2nd AI for Math Workshop at ICML 2025

CEGA: A Cost-Effective Approach for Graph-Based Model Extraction and Acquisition

Zebin Wang, Menghan Lin, Bolin Shen, Ken Anderson, Molei Liu, Tianxi Cai, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） ； Harvard University（哈佛大学） ； Columbia University（哥伦比亚大学） 纠错

Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML 2025), Proceedings of Machine Learning Research 267:63690-63706, 2025