ICML

RA-VLA: Retrieval-Augmented VLA for Test-Time Adaptation

RA-VLA：用于测试时自适应的检索增强视觉-语言-动作模型

Sanghwan Jang, Minjin Jeon, Minsoo Kim, Seongjin Choi, Dongha Kim, Hwanjo Yu

机构 * POSTECH（浦项科技大学） ； Department of Computer Science and Engineering, POSTECH（浦项科技大学计算机科学与工程学院） ； Graduate School of Artificial Intelligence, POSTECH（浦项科技大学人工智能研究生院） 纠错

AI总结 该研究针对VLA模型面对新任务分布时的脆弱性问题，提出RA-VLA检索增强VLA框架，在LIBERO基准和UR5e环境中验证其可提升机器人操纵的任务适应成功率与计算效率。

Comments ICML 2026. Contact: this http URL (http://s.jang) @postech. this http URL (http://ac.kr)

CRAMER: Control via Request-Aware Masking for Editing Recommenders

CRAMER：基于请求感知掩码的推荐模型编辑控制框架

Zhiyuan Julian Su, Naihe Feng, Zhen Luther Qin, Ga Wu

AI总结 CRAMER是一种通过请求感知掩码调制冻结骨干参数的推荐控制框架，在多个大规模数据集上优于现有基线，开销最小且可控性与跨域适配能力更强，为请求感知序列推荐建立了新范式。

Comments Accepted by ICML 2026

PA-CoT: Profile-Adaptive Chain-of-Thought for Personalized Nutritional Consulting

PA-CoT：面向个性化营养咨询的画像自适应思维链

Evgenii Garmashov, Nikita Kulin, Artur Khairullin, Viktor Zhuravlev, Daniil Sukhorukov, Mikhail Mozikov, Ilya Makarov, Sergey Muravyov

AI总结 该研究针对营养咨询提示方法缺乏画像分析步骤的缺陷，提出PA-CoT多阶段提示法，构建QPA基准并经对比实验证实，明确画像分析步骤可显著提升咨询的个性化与安全性。

Comments Accepted at the ICML 2026 Workshop on Structured Data for Health (SD4H)