Training-Free Hashing-Based Attention via Binary Principal Components
基于二元主成分的无训练哈希注意力机制
AI总结 针对长上下文LLMs自注意力的解码效率瓶颈，提出无训练的BinaryPC方法，通过数据二元主成分构建哈希码，在保持精度的同时将解码吞吐量提升3.56倍。
Comments ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Theory-Level Autoformalization: From Isolated Statements to Unified Formal Knowledge Bases
理论层面的自动形式化：从孤立陈述到统一形式知识库
AI总结 探讨自动形式化从单个陈述到理论层面的转变，主张将完整理论及其相互依赖关系形式化为结构化库，分析转变意义，回应不同观点，识别挑战并提出三条前进路径。
Comments ICML 2026 Spotlight
Best-of-$N$ TTS Evaluation is Confounded by ASR Family Alignment
N选最佳语音合成评估受自动语音识别家族对齐的影响
AI总结 研究发现最佳N选语音合成评估受ASR家族对齐影响，同家族验证器-评估器对效果更好。提出两种跨家族排名集成方法，能降低平均词错误率，建议交叉评估器三角测量作为默认报告实践。
Comments Accepted at ICML 2026 Workshop on Machine Learning for Audio
DELTA-TTS: Adapting Autoregressive Model into Diffusion Language Model for Text-to-Speech
DELTA-TTS：将自回归模型适配为扩散语言模型以实现文本转语音
机构 * Sungkyunkwan University（首尔大学） ； University of Seoul（首尔大学）
AI总结 针对自回归TTS推理慢、鲁棒性差的问题，提出基于LoRA的轻量适配框架DELTA-TTS，将预训练AR TTS转为离散扩散语言模型，推理速度提升3.3倍且性能更优。
Comments ICML 2026 SPIGM Workshop
Sequential Kernel-based Conditional Independence Testing via Adaptive Betting
基于自适应投注的序列核条件独立性检验
机构 * Department of Computer Science, University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学计算机科学系，温哥华，加拿大） ； Alberta Machine Intelligence Institute, Edmonton, Canada（阿尔伯塔机器智能研究所，爱德蒙顿，加拿大）
AI总结 提出一种对估计误差更鲁棒的序列条件独立性检验方法，通过自适应优化核条件独立性统计量、归一化及截断平移校准，在合成与真实数据上控制第一类错误并保持高功效。
Comments Published at ICML 2026: https://openreview.net/forum?id=vUMdIyTs9c
Signal-Driven Observation for Long-Horizon Web Agents
信号驱动观测：面向长程任务的Web智能体
机构 * University of Cambridge（剑桥大学）
AI总结 提出信号驱动观测（SDO）方法，通过专用子调用读取完整DOM但仅返回任务相关元素，并由轻量信号检测器触发重新调用，解决长程Web智能体中上下文退化问题。
Comments 10 pages, 1 figure. Accepted to the Failure Modes in Agentic AI (FAGEN) Workshop at ICML 2026
GENEB: Why Genomic Models Are Hard to Compare
GENEB：为什么基因组模型难以比较
AI总结 针对基因组基础模型评估碎片化的问题，提出GENEB基准，通过统一探测协议在100项任务上比较40个模型，揭示模型排名不稳定、规模收益有限等关键发现。
Comments Accepted to ICML 2026
Chebyshev Policies and the Mountain Car Problem: Reinforcement Learning for Low-Dimensional Control Tasks
切比雪夫策略与山地车问题：低维控制任务的强化学习
机构 * University of Freiburg（弗赖堡大学）
AI总结 本文解析求解山地车问题，推导最优控制，并引入切比雪夫策略作为通用策略类，在低维控制任务中显著优于神经网络。
Comments ICML 2026 spotlight/oral
RiboSphere: Learning Unified and Efficient Representations of RNA Structures
RiboSphere：学习RNA结构的统一且高效的表示
机构 * Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 RiboSphere通过结合向量量化与流匹配，学习RNA结构的离散几何表示，实现高保真结构生成，其在结构重建和逆折叠中表现优异。
Comments Accepted by ICML 2026
Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation
Flash-VAED: 用于高效视频生成的即插即用VAE解码器
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 Flash-VAED通过通道剪枝和分阶段运算优化，实现了高效视频生成的高质量与高速度平衡。
Comments Accepted by ICML 2026
Esoteric Language Models: A Family of Any-Order Diffusion LLMs
深奥语言模型：一类任意阶扩散LLM
机构 * Cornell University（康奈尔大学） ； NVIDIA（英伟达）
AI总结 提出Eso-LMs模型，融合自回归与掩码扩散范式，通过因果注意力实现精确似然计算和KV缓存，在速度-质量帕累托前沿上达到新最优。
Comments ICML 2026 Camera Ready
Contrastive Diffusion Alignment: Learning Structured Latents for Controllable Generation
对比扩散对齐：用于可控生成的结构化潜在学习
机构 * Department of Psychiatry, Weill Cornell Medicine, New York, NY, USA（威立·科林斯医学中心精神科） ； Department of Psychiatry, Stanford University, Stanford, CA, USA（斯坦福大学精神科） ； Department of Neuroscience, University of Connecticut School of Medicine, Farmington, CT, USA（康涅狄格大学医学院神经科学系）
AI总结 ConDA通过对比学习在扩散模型中学习结构化潜在空间，实现可控生成和动态解释。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
Multi-Task GRPO: Reliable LLM Reasoning Across Tasks
多任务GRPO：跨任务的可靠大语言模型推理
机构 * UCL Department of EEE（伦敦大学学院电子工程系） ； UCL Centre for AI（伦敦大学学院人工智能中心） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； UNIST Graduate School of AI（延世大学人工智能研究生院） ； University of Edinburgh（爱丁堡大学） ； University of Basel（巴塞尔大学）
AI总结 本文提出MT-GRPO算法，通过动态调整任务权重和比例保持采样器，提升多任务场景下大语言模型的可靠推理性能。
Comments Accepted at ICML 2026
Multicalibration Yields Better Matchings
多校准可实现更优匹配
机构 * Meta Central Applied Science（Meta 中央应用科学） ； Sapienza University of Rome（罗马Sapienza大学）
AI总结 本文针对基于上下文预测权重的图匹配问题，提出多校准预测器构建方法，其匹配性能可与匹配算法类中最优规则媲美，并补充了样本复杂度界与实验验证。
Comments Accepted at ICML 2026
CodeChemist: Test-Time Scaling for Low-Resource Code Generation via Functional Knowledge Transfer
CodeChemist：通过测试时扩展实现低资源代码生成的功能知识迁移
AI总结 提出CodeChemist框架，通过合成测试用例将模型功能知识从高资源语言迁移到低资源语言，无需训练，显著提升低资源语言代码生成性能。
Comments This paper is accepted by ICML 2026
Emergence of Hierarchical Emotion Organization in Large Language Models
大型语言模型中层级情感组织的涌现
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Tokyo（东京大学）
AI总结 受情感轮理论启发，分析大型语言模型输出中情感状态间的概率依赖关系，发现模型自然形成与人类心理模型一致的层级情感树，且更大模型发展出更复杂的层级结构，同时揭示社会经济角色在情感识别中的系统性偏差。
Comments ICML 2026
GFlowNet Training by Policy Gradients
基于策略梯度的GFlowNet训练
AI总结 本文提出基于策略梯度的GFlowNet训练框架，联合优化前向与反向策略，经理论分析及模拟、真实数据集实验验证，该策略可提升GFlowNet性能。
Comments ArVix version of the paper accepted by ICML 2024
