Sobolev Regularized Score Difference Estimation in Diffusion Models
扩散模型中的Sobolev正则化得分差估计
AI总结 本文针对扩散模型得分差估计存在的统计一致性或可扩展性问题，提出Sobolev正则化的一致可扩展估计器，在小样本场景稳定性提升，真实任务性能优于非正则化方法。
Comments Accpeted by ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
What LLMs explain is not what they believe: Evaluating explanation sufficiency under models' own input beliefs
LLM 解释的内容并非其信念：基于模型自身输入信念评估解释充分性
机构 * New York University（纽约大学）
AI总结 提出自洽充分性（SCSuff）指标，利用 LLM 自身生成替代输入来评估自由文本解释的充分性，发现 LLM 解释通常不充分且与模型大小、准确率等弱相关。
Comments 26 pages, 9 figures, 13 tables, Forty-Third International Conference on Machine Learning (ICML 2026)
Relational Structural Causal Models
关系结构因果模型
机构 * Causal Artificial Intelligence Lab, Columbia University（哥伦比亚大学因果人工智能实验室）
AI总结 提出关系结构因果模型，将结构因果模型扩展到对象和关系可变的场景，通过关系因果图和符号识别准则实现未见组合的因果和观测查询识别，并设计关系神经因果模型在交通场景中优于非关系基线。
Comments Proceedings of the Forty-Third International Conference on Machine Learning. Code available at this https URL (https://github.com/CausalAILab/RelationalCausalModels)
Practical and Optimal Algorithm for Linear Contextual Bandits with Rare Parameter Updates
线性上下文赌博机中参数稀有更新的实用最优算法
机构 * Sanghoon Yu（苏杭oon Yu） ； Min-hwan Oh
AI总结 针对参数更新次数受限的线性上下文赌博机问题，提出两种仅需O(log log T)次参数更新的算法，在静态调度下达到极小化最优遗憾，并显著降低计算复杂度。
Comments Accepted at ICML 2026
ReasonEdit: Editing Vision-Language Models using Human Reasoning
ReasonEdit：通过人类推理编辑视觉语言模型
机构 * University of Virginia（弗吉尼亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 ReasonEdit通过引入人类推理机制，改进视觉语言模型的编辑能力，提升编辑泛化性能。
Comments ICML 2026
SynerMedGen: Synergizing Medical Multimodal Understanding with Generation via Task Alignment
SynerMedGen：通过任务对齐协同医疗多模态理解与生成
机构 * The University of Hong Kong, Hong Kong, China（香港大学）
AI总结 SynerMedGen通过任务对齐实现医疗多模态理解与生成的协同，提出生成对齐理解任务和两阶段训练策略，实现零样本性能和跨数据集泛化，释放大规模数据集支持进一步研究。
Comments Accepted by ICML 2026
DPRM: A Plug-in Doob h transform-induced Token-Ordering Module for Discrete Diffusion Models
DPRM: 一种用于扩散语言模型的即插即用Doob h变换诱导的令牌排序模块
机构 * City University of Hong Kong（香港城市大学） ； The Institute of Statistical Mathematics（统计数学研究所） ； University of Sydney（悉尼大学） ； Nanyang Technological University（南洋理工大学） ； The University of Tokyo（东京大学）
AI总结 提出DPRM模块，通过在线估计从置信度驱动排序逐步过渡到过程奖励引导排序，改进扩散语言模型的令牌排序策略，在九种任务中提升性能。
Comments Extended Version of ICML 2026 Fogen (Oral)
LaGEA: Language Guided Embodied Agents for Robotic Manipulation
LAGEA：基于语言引导的机器人操作代理
机构 * Department of Robotics ； Mechatronics Engineering, University of Dhaka, Bangladesh ； Center for Computational \& Data Sciences, Independent University, Bangladesh
AI总结 LAGEA通过语言引导具身代理学习，提升机器人操作任务的成功率和效率。
Comments ICML 2026 Main Track Poster
MADE: Benchmark Environments for Closed-Loop Materials Discovery
MADE：用于闭环材料发现的基准环境
机构 * OATML, Department of Computer Science, University of Oxford（OATML，计算机科学系，牛津大学） ； Diffractive Labs ； Machine Learning Research Group, Department of Engineering Science, University of Oxford（机器学习研究组，工程科学系，牛津大学） ； Thomas Young Centre（托马斯·杨中心） ； Department of Materials, Imperial College London（材料系，伦敦帝国学院）
AI总结 MADE提出了一种闭环材料发现的基准框架，通过模拟受限预算下的材料发现流程，评估发现算法的有效性和效率，并支持灵活的工作流研究。
Comments Poster at ICML 2026 Main Conference
You Need Better Attention Priors
你需要更好的注意力先验
机构 * stanford（斯坦福大学）
AI总结 GOAT通过引入可学习的连续先验改进注意力机制，提升计算效率并解决注意力汇点问题。
Comments Accepted to ICML 2026. 25 pages, 5 figures. Updates include 1.23B scaling experiments and extended ablations
Practical Principles for AI Cost and Compute Accounting
AI成本与计算核算的实用原则
机构 * MIT CSAIL ； Stanford University（斯坦福大学） ； Future of Life Institute（未来生命研究所）
AI总结 针对AI成本与计算核算存在的技术模糊性漏洞，提出七条原则以减少策略性博弈、避免抑制风险缓解并实现跨主体的一致实施，保障相关监管的有效性。
Comments Accepted to the ICML 2025 TAIG Workshop
