ICML

Harmonic Torsional Diffusion for Protein-Ligand Flexible Docking

用于蛋白质-配体柔性对接的调和扭转扩散

Maksim Zhdanov, Pavel Strashnov, Vladislav Kurenkov

AI总结 本文提出Harmony调和扭转扩散框架，通过对齐得分参数化与扩散过程几何，在PDBBind、PoseBusters基准及EBNA1、KRAS G12D案例中提升了蛋白质-配体柔性对接的精度与有效性。

Comments Accepted at the 2026 Workshop on Generative and Agentic AI for Biology (ICML 2026)

FlatLand: Personalized Graph Federated Learning via Tailored Lorentz Space

FlatLand：基于定制洛伦兹空间的个性化图联邦学习

Jiahong Liu, Ram Samarth B B, Xinyu Fu, Menglin Yang, Weixi Zhang, Rex Ying, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Yale University（耶鲁大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 该研究针对图联邦学习中客户端图结构异质性问题，提出FlatLand方法，通过定制洛伦兹空间与参数解耦策略实现个性化联邦学习，在低维设置下表现更优。

Comments 34 pages, 9 figures, 8 tables. Accepted at ICML 2026 (Oral)

Jacobian-guided Noise Injection for Quantization Robustness in Large Language Models

面向大语言模型量化鲁棒性的雅可比引导噪声注入

Deepanshu Pandey, Arnav Chavan, Nahush Lele, Sankalp Dayal, Deepak Gupta

机构 * Amazon（亚马逊） 纠错

AI总结 该研究针对大语言模型量化时自注意力机制对离散化误差敏感的问题，提出雅可比引导噪声注入训练策略，在低比特量化下显著提升了模型在图像分类与语言建模任务中的性能。

Comments Accepted at AdaptFM: Resource-Adaptive Foundation Model Inference, ICML 2026

Natural-Language-Guided Generator-Agnostic Shortlisting for Protein Binder Design

自然语言引导的、与生成器无关的蛋白结合剂筛选

Gyubok Lee, Kiwoong Yoo, Jimin Seo, Kyunghoon Hur, Edward Choi

机构 * Kim Jaechul Graduate School of AI, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院金在哲人工智能研究生院） ； LG AI Research（LG人工智能研究院） ； Seoul National University（首尔大学） ； Korea Electronics Technology Institute (KETI)（韩国电子技术研究院） 纠错

AI总结 该研究提出用LLM生成排序策略，从已生成的蛋白结合剂池中筛选候选，在10目标和3目标测试中均优于基线，为蛋白结合剂筛选提供了可解释的后处理方法。

Comments Accepted at ICML 2026 Workshop on Generative and Agentic AI for Biology

When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory

当检索尚未开始时检索就已失败：智能体记忆中作为保留失败的结构间接先决条件驱逐

Minkyu Song

AI总结 本文针对智能体记忆的检索前保留失败问题，提出结构间接先决条件驱逐的概念，评估DSGC规则显著提升全链保留率，并发布相关工具支持机制分析。

Comments Accepted at the ICML 2026 Workshop on Failure Modes of Agentic AI (FAGEN@ICML 2026). Non-archival. Code: this https URL (https://github.com/smkgenesis/dsgc)

Environmental Slow AI: Design Principles for Generative Systems

环境慢AI：生成式系统的设计原则

Vanessa Utz

AI总结 本文提出以环境可持续性为核心的Slow AI生成式系统五项设计原则，恢复无摩擦默认设置移除的决策，扩展人类能动性。

Comments Part of the AI x Culture workshop at the International Conference on Machine Learning (ICML) 2026 in Seoul, South Korea. Non-Archival Conference Paper