ICML

Bend the Basics: Degradation-Aware Deformable Tokenization for All-in-One Image Restoration

基础适配：面向全场景图像恢复的退化感知可变形分词

Zihao He, Yunfeng Wu, Xinchao Wang, Songhua Liu

AI总结 本文提出FIT模型，通过全流程退化感知设计及任务分词丢弃策略，在五组图像恢复基准上实现最优性能，较现有方法提升0.5~1.1 dB，可适配各类退化图像恢复任务。

Comments 16 pages, 12 figures. Accepted to ICML 2026

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026

Faster Query-Key Learning Sharpens Attention in Self-Attention Models

更快的查询-键学习强化自注意力模型中的注意力机制

Rahul Vashisht, Harish G. Ramaswamy

AI总结 该研究通过分析自注意力模型的查询-键与输出-值回路的参数化，发现更快的查询-键学习可强化注意力、提升可解释性，且预测性能相当。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

Suppress and Diversify: Refining Robust Pathways for Corruption Robustness

抑制与多样化：优化针对自然图像损坏的鲁棒路径

Jiangang Yang, Wenhui Shi, Xiaoran Xu, Wenyue Chong, Luqing Luo, Jing Xing, Jian Liu

AI总结 该研究针对自然图像损坏的模型鲁棒性问题，提出非侵入式方法S&D，通过选择并多样化鲁棒路径提升性能，在多场景多任务中展现出广泛有效性。

Comments Accepted at ICML 2026

TRACE: A Multi-Layer Benchmark for Human AI Controller Coordination Under Drift and Failure

TRACE：漂移与故障下人机控制器协调的多层基准

Joshua Zuniga, Srinivasan Subramanian, Ramya Madhuri Narapureddy, Md Abdullah Al Hafiz Khan

AI总结 该研究构建了名为TRACE的多层基准，向ALFRED轨迹注入受控漂移，经实验验证其可有效识别归因漂移，且重型注意力模型在该符号基准上无优势。

Comments This work was accepted for presentation and publication at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026)

From Welfare to Utility: Generalized Objectives in Budget-Feasible Procurement

从福利到效用：预算可行采购中的广义目标

Alon Eden, Kira Goldner, Eldar Kerner, Thodoris Tsilivis

AI总结 研究预算可行采购问题的机制设计，针对买家效用、社会福利等广义目标，提出了最优和近似最优机制，包括无先验和贝叶斯设置下的常数因子近似。

Comments Accepted at the Forty-third International Conference on Machine Learning (ICML 2026). Version 2: Corrected alphabetical author order, changed proofs of Proposition 1 and Lemma 6; Main conclusions unchanged. Version 3: Metadata author order fix

Compositional Behavioral Semantics for State Abstraction in Reinforcement Learning

强化学习中状态抽象的组成性行为语义

Yivan Zhang, Ziyan Luo, Manuel Baltieri

机构 * The University of Tokyo（东京大学） ； Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Araya Inc., Tokyo, Japan（日本东京阿雷亚公司） ； University of Sussex（Sussex大学） 纠错

AI总结 提出统一框架，通过局部一步系统动态描述组成性地定义行为语义，证明行为结构在抽象与具体系统间的安全迁移，并构建具有可靠性保证的定量度量。

Comments International Conference on Machine Learning 2026

DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation

DisPOSE: 投影多随机扩散用于自监督多视图3D人体姿态估计

Tony Danjun Wang, Tolga Birdal, Nassir Navab, Lennart Bastian

机构 * Imperial College London（伦敦帝国学院） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 提出DisPOSE框架，将多视图人员分配问题建模为多随机张量空间上的生成扩散过程，通过可微Sinkhorn投影和超图卷积解码器实现自监督3D人体姿态估计，在标准数据集和手术室遮挡场景中表现优异。

Comments Accepted at ICML 2026

Beyond Structural Symmetries: Linear Mode Connectivity via Neuron Identifiability

超越结构对称性：通过神经元可辨识性实现线性模式连通性

Vincent Bürgin, Daniel Herbst, Ya-Wei Eileen Lin, Stefanie Jegelka

机构 * DeepMind, London, UK（伦敦英国深Mind公司） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文通过提出有效函数类理论框架并形式化神经元可辨识性，揭示了神经网络中即使结构不对称也存在大量近似等价解，并展示了神经元可辨识性如何无需先验对齐即可实现表示合并及线性低损失路径。

Comments Accepted at ICML 2026

Rethinking Evaluation Paradigms in IBP-based Certified Training

重新思考基于IBP的认证训练中的评估范式

Konstantin Kaulen, Hadar Shavit, Holger H. Hoos

机构 * University of Freiburg（弗赖堡大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 针对认证训练中自然精度与认证精度的权衡问题，提出基于Pareto前沿的多目标超参数优化方法，实现公平的方法间比较，并发现先前配置的欠调优现象，建立新的最优性能。

Comments ICML 2026

Mitigating Gradient Pathology in PINNs through Aligned Constraint

通过对齐约束缓解PINN中的梯度病理

Yichen Luo, Peiyu Zhu, Dongxiao Hu, Jia Wang, Tailin Wu, Dapeng Lan, Yu Liu, Zhibo Pang

机构 * Department of Information Science and Engineering, KTH Royal Institute of Technology, Stockholm, Sweden（信息科学与工程系，皇家理工学院，斯德哥尔摩，瑞典） ； School of Advanced Manufacturing and Robotics, Peking University, Beijing, China（先进制造与机器人学院，北京大学，北京，中国） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University, Suzhou, China（先进技术学院，西安交通大学利物浦大学，苏州，中国） ； Department of AI, School of Engineering, Westlake University, Hangzhou, China（人工智能系，工程学院，西湖大学，杭州，中国） 纠错

AI总结 针对物理信息神经网络训练中梯度冲突导致的局部最优问题，提出约束对齐损失与流形提升方法，通过重新表述零阶项为对齐约束并引入延迟因子，显著提升数值稳定性和效率。

Comments Accepted by ICML 2026

Journal ref Forty-Third International Conference on Machine Learning (ICML 2026)

Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning

尺度思考：通过自适应连续推理加速千兆像素病理图像分析

Jiusong Ge, Yingkang Zhan, Wenjie Zhao, Di Zhang, Ke Wang, Jiashuai Liu, Chunze Yang, Chengzu Li, Jian Zhang, Yuxin Dong, Ni Zhang, Qidong Liu, Mireia Crispin-Ortuzar, Huazhu Fu, Chen Li, Zeyu Gao

机构 * School of Computer Science（计算机科学学院） ； Technology, Xi’an Jiaotong University, Xi’an, China（技术学院，西安交通大学，西安，中国） ； Department of Transmedia Art, Xi’an Academy of Fine Arts, Xi’an, China（多媒体艺术系，西安美术学院，西安，中国） ； Department of Oncology, University of Cambridge, Cambridge, U.K.（肿瘤学系，剑桥大学，剑桥，英国） ； Language Technology Lab, University of Cambridge, Cambridge, U.K.（语言技术实验室，剑桥大学，剑桥，英国） ； Institute of High Performance Computing, Agency for Science, Technology（高性能计算研究所，科技研究局） 纠错

AI总结 提出PathCTM模型，通过动态尺度切换和注意力引导的区域剪枝实现高效连续推理，大幅减少计算开销并保持诊断性能。

Comments Accepted to ICML 2026

The Geometric Mechanics of Contrastive Representation Learning: Alignment Potentials, Entropic Dispersion, and Cross-modal Divergence

对比表示学习的几何力学：对齐势、熵分散和跨模态散度

Yichao Cai, Zhen Zhang, Yuhang Liu, Javen Qinfeng Shi

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文通过测度论框架，在大批量极限下证明InfoNCE目标与确定性能量景观的等价性，揭示单模态与对称多模态之间的几何分岔，并指出跨模态散度项导致模态间隙。

Comments 54 Pages, ICML 2026 (Refined document aesthetics for clearer reading)

The Expressive Power of Low Precision Softmax Transformers with (Summarized) Chain-of-Thought

低精度softmax变换器的表达能力（摘要）链式思维

Moritz Brösamle, Stephan Eckstein

机构 * Department of Mathematics, University of Tübingen, Germany（图宾根大学数学系） 纠错

AI总结 本文研究了低精度softmax变换器在链式思维中的表达能力，通过构造三元激活和分离注意力分数的硬max变换器来模拟图灵机，从而将构造转换为等效的softmax变换器，并分析了最近提出的总结链式思维范式在模拟图灵机时的效率。

Comments Accepted to ICML 2026

Parameter-free Dynamic Regret: Time-varying Movement Costs, Delayed Feedback, and Memory

无参数动态遗憾：时变移动成本、延迟反馈和记忆

Hao Qiu, Andrew Jacobsen, Emmanuel Esposito, Mengxiao Zhang

机构 * University of Iowa（爱荷华大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出一种新算法，在具有时变移动成本的在线凸优化中，首次实现了比较器自适应的动态遗憾界，并应用于延迟反馈和时变记忆问题。

Comments 28 pages; v2: ICML 2026; v3: typos + fixed document outline

VLA-Arena: An Open-Source Framework for Benchmarking Vision-Language-Action Models

VLA-Arena：一个用于基准测试视觉-语言-动作模型的开源框架

Borong Zhang, Jiahao Li, Jiachen Shen, Yuhao Zhang, Yishuai Cai, Lu Liu, Hailu Ji, Yuanpei Chen, Juntao Dai, Jiaming Ji, Yaodong Yang

AI总结 提出VLA-Arena基准，通过三正交轴（任务结构、语言命令、视觉观察）量化任务难度，系统评估视觉-语言-动作模型的能力边界与失败模式。

Comments Accepted by ICML 2026