ICML

Optimal Design for Multinomial Logit Model with Applications to Best Assortment Identification

多项Logit模型的最优设计及其在最佳组合识别中的应用

Joongkyu Lee, Min-hwan Oh

机构 * Seoul National University, Seoul, Korea（首尔国立大学） 纠错

AI总结 针对多项Logit(MNL)模型，提出计算高效的最优实验设计框架，通过混合整数线性规划和多项式时间松弛方法实现统计效率与可扩展性，并应用于线性效用和非均匀收益下的最佳组合识别。

Comments Accepted at ICML 2026

Reward Score Matching: Unifying Reward-based Fine-tuning for Flow and Diffusion Models

奖励分数匹配：统一流模型和扩散模型的基于奖励的微调

Jeongjae Lee, Jinho Chang, Jeongsol Kim, Jong Chul Ye

机构 * Graduate School of AI, KAIST, Korea（人工智能研究生院，韩国科学技术院） 纠错

AI总结 提出奖励分数匹配（RSM）框架，统一了多种基于奖励的微调方法，通过分数匹配与值引导目标对齐，简化了设计空间并提高了效率。

Comments 50 pages, 15 figures. Best Paper Award at SPIGM workshop, ICML 2026

3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification

3DGS-HPC: 无干扰的3D高斯散射与混合逐块分类

Jiahao Chen, Yipeng Qin, Ganlong Zhao, Xin Li, Wenping Wang, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； Texas A&M University（德克萨斯农工大学） ； Cardiff University（卡迪夫大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

AI总结 3DGS-HPC通过结合逐块分类策略和混合分类度量标准，有效抑制干扰因素，提升基于3DGS的新视角合成性能。

Comments Accepted at ICML 2026

SAME: Stabilized Mixture-of-Experts for Multimodal Continual Instruction Tuning

SAME: 用于多模态持续指令调优的稳定混合专家模型

Zhen-Hao Xie, Jun-Tao Tang, Yu-Cheng Shi, Han-Jia Ye, De-Chuan Zhan, Da-Wei Zhou

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） 纠错

AI总结 针对多模态持续指令调优中专家路由漂移和专家漂移问题，提出稳定混合专家模型（SAME），通过正交子空间分解路由动态和曲率感知缩放更新专家，实现无重放的状态最优性能。

Comments Accepted to ICML 2026. Code is available at this https URL (https://github.com/LAMDA-CL/Prism)

Netflix Artwork Personalization via LLM Post-training

通过LLM后训练实现Netflix作品个性化

Hyunji Nam, Sejoon Oh, Emma Kong, Yesu Feng, Moumita Bhattacharya

机构 * Stanford University（斯坦福大学） 纠错

AI总结 通过LLM后训练实现Netflix作品个性化推荐，提升用户满意度和参与度。

Comments Pluralistic Alignment @ ICML 2026 Workshop; 6 pages