ICML

Hide&Seek: Learning to Explain in an End-to-End Differentiable Network

Hide&Seek：在端到端可微网络中学习解释

Tal Ellinson, Hadi Mohasel Afshar, Sally Cripps

AI总结 Hide&Seek是一种端到端可微的逐实例特征选择模型，通过将特征去除转化为可微操作并结合简约权重退火框架，解决了现有方法的信息泄露和训练缓慢问题，性能优于现有最先进模型。

Comments 27 pages, 12 figures, 16 tables. Accepted at ICML 2026 (PMLR 306). Code at this https URL (https://github.com/talellinson/hide-and-seek-icml2026)

Generalized Linear Bandits with Memory

带记忆的广义线性老虎机

Heesang Ann, Hyunjun Choi, Taehyun Hwang, Younghoon Shin, Haeju Cheong, Min-hwan Oh

AI总结 该研究针对带记忆的广义线性老虎机，改进了线性情况下的遗憾界，提出基于收缩置信界的分块算法，实现了$\text{sqrt}(T)$型遗憾率，通过数值实验验证了理论结果。

Comments Accepted at ICML 2026

Localized TabICLv2: Scaling Tabular In-Context Learning through k-NN

Localized TabICLv2：通过k近邻扩展表格数据的上下文学习

Beimnet Bekele Guta

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 Localized TabICLv2通过仅检索k个最近训练邻居降低TabICLv2推理成本，经微调后在TabArena分类任务上保留98.64%精度，批量和单查询场景分别实现2.18倍、约249倍中位数加速。

Comments Accepted at the 2nd ICML Workshop on Foundation Models for Structured Data (FMSD), ICML 2026

PaSTel: Anchoring Histology in Spatial Transcriptomics via Multi-Scale Hierarchical Bio-Prior Contrastive Pretraining

PaSTel：通过多尺度层级生物先验对比预训练锚定空间转录组学中的组织学

Azim Dehghani Amirabad, Junchao Zhu, Pushpak Pati, Walid Abdelmoula, Tommaso Mansi, Rui Liao

机构 * Johnson & Johnson Innovative Medicine（强生创新医药） 纠错

AI总结 PaSTel是一种整合多尺度生物先验的层级多模态预训练框架，通过三层生物先验设计解决现有空间转录组学方法的局限，在多个下游任务中性能优于现有编码器。

Comments This paper was accepted to the 3rd ICML 2026 Workshop on Multi-modal Foundation Models and Large Language Models for Life Sciences

What to Forget in Unlearning? Forget Set Curation for Language Models

模型遗忘中该遗忘什么？面向语言模型的遗忘集筛选

Animesh Jha, Arpandeep Khatua, Youssef Allouah, Sanmi Koyejo

机构 * Stanford University（斯坦福大学） 纠错

AI总结 针对语言模型遗忘中遗忘集筛选缺失的问题，提出CleanSlate基准，发现不同遗忘集筛选器存在抑制效果弱或附带损伤的缺陷，表明遗忘集选择会影响遗忘效果与附带损伤。

Comments Presented at MemFM @ ICML 2026 and FoGen @ ICML 2026

M-LINKX: Multiview Graph Learning for Brain Cognitive Disease Detection

M-LINKX：用于脑部认知疾病检测的多视图图学习框架

An Phan, Yufei Jin, Xingquan Zhu

机构 * Florida Atlantic University（佛罗里达大西洋大学） 纠错

AI总结 本研究提出多视图图学习框架M-LINKX，通过构建多视图功能连接图并融合表示，在CAUEEG和AHEAP两类EEG数据集的痴呆分类任务中取得最优性能。

Comments Accepted at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026). 8 pages, 5 figures

Position: Medical AI Neglects Real Treatment Outcomes

立场：医学人工智能忽视真实治疗结局

Shiva Kaul, Anjum Khurshid

AI总结 本论文指出医学AI忽视真实治疗结局，当前依赖文本而非真实数据，导致模型与基准存在缺陷，提出应将真实治疗结局纳入训练评估，并将优化其作为医学AI的下游目标。

Comments Published at ICML 2026. this https URL (https://openreview.net/forum?id=0e1KEGU9RD)

The Hallucination Snowball: Modeling Error Propagation as State Transitions in Multi-Agent LLM Pipelines

幻觉滚雪球：将多智能体大语言模型流水线中的错误传播建模为状态转移

Prabhjot Singh, Bhushan Pawar

AI总结 该研究发现多智能体LLM流水线中存在幻觉滚雪球效应，即幻觉会随状态转移而逃逸，且边界门控验证比末端检查更能有效降低幻觉存活率，还提出了最优验证资源分配策略。

Comments 10 pages, 3 figures; accepted at the FAGEN Workshop (Failure Modes in Agentic AI), ICML 2026

Position: Certified Correctness in Neural Constraint Reasoning Requires Symbolic Integration

立场：神经约束推理的认证正确性需要符号集成

Shufeng Kong, Xiaochuan Zhang, Caihua Liu

AI总结 本文针对神经约束推理在分布偏移下易出现约束违反的问题，提出需优先将神经方法与符号方法双向集成，通过多智能体认证推理框架实现计算效率与可证正确性。

Comments Accept by ICML 2026

Position: AI Governance Needs ISO-like Interoperability Protocols, Not Just Laws

立场：AI治理需要类ISO的互操作性协议，而非仅法律

Azmine Toushik Wasi, Mst Rafia Islam, Mahfuz Ahmed Anik, Taki Hasan Rafi, Md Manjurul Ahsan, Dong-Kyu Chae

AI总结 本文提出AI治理需在法律基础上补充类ISO的互操作性协议，通过标准化AI“营养标签”实现跨境风险沟通，以解决监管碎片化问题，同时兼顾创新与中小企业需求。

Comments Accepted to ICML 2026 Position Paper Track (Spotlight) (OpenReview: this https URL (https://openreview.net/forum?id=TE3ceHd4YU) )

Position: AI Lock-In Is in Progress, and We Must Be Prepared

立场：AI锁定正在发生，我们必须做好准备

Jaeho Kim, Seokhyun Lee, Jieun Lee, Changhee Lee

AI总结 该研究指出AI锁定是被低估的AI安全风险，分析其在个体、社会、国家层面的形成与升级机制，提出需提前应对以维护自主权与国家安全。

Comments ICML 2026 Position Track Spotlight