From Prompts to Responses: Dual-Sided Data Leakage and Defense in Split Large Language Models
从提示到响应：分割大语言模型中的双面数据泄露与防御
AI总结 提出PIDI攻击方法，同时泄露分割LLM中的输入提示和输出响应；并设计ADMI防御机制，通过适配器热身和互信息正则化有效抵御攻击。
Comments 18 pages, Accepted at ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
DRIVE: Distributional and Retrieval-Augmented Bidding with Value Evaluation
DRIVE：基于分布与检索增强的价值评估竞价方法
机构 * Machine Learning, ICML（机器学习，ICML）
AI总结 提出DRIVE框架，通过解耦候选动作生成与决策，结合分布建模、检索增强和价值评估，提升离线自动竞价性能。
Comments Accepted to ICML 2026
Naive Visual Memory is Not Enough: A Failure-Mode Study of GUI Agents
朴素视觉记忆不足：GUI代理的失败模式研究
机构 * KAIST（韩国科学技术院）
AI总结 本文提出动作锚定视觉记忆（AGMem），通过存储与成功动作相关的局部GUI区域图像而非全屏截图，减少GUI代理中的动作级错误，在OSWorld上将任务成功率提升33.3%。
Comments 9 pages, 5 figures, ICML 2026 WORKSHOP
Minim: Privacy-Aware Minimal View for Agents via Trusted Local Sanitization
Minim: 通过可信本地净化实现代理的隐私感知最小化视图
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对LLM代理传输完整UI状态导致隐私泄露的问题，提出MINIM框架，在客户端基于上下文完整性学习双重分数（敏感性和必要性），通过三元披露策略实现隐私感知的最小化视图，在减少敏感泄露的同时保留任务关键信息。
Comments Accepted at ICML 2026 (43rd International Conference on Machine Learning, Seoul, South Korea). Code available at https://github.com/yyyyhx/MINIM
Poker Arena: Multi-Axis Profiling of Strategic Reasoning and Memory in LLMs
Poker Arena: 大型语言模型中策略推理与记忆的多轴剖析
机构 * Indian Institute of Technology Roorkee（印度理工学院罗尔基分校） ； Raeth AI
AI总结 提出Poker Arena平台，通过三层记忆架构和九轴认知剖面分解策略推理，揭示标量排行榜系统性误排模型能力结构。
Comments 33 pages, ICML Workshop
A Benchmark and Framework for Evaluating Next Action Predictions in Spreadsheets
电子表格中下一步动作预测的基准测试与框架
机构 * University of Waterloo（多伦多大学）
AI总结 针对电子表格缺乏自动补全功能的问题，提出一个基准测试，通过人工整理动作序列和在线评估方法，比较多种预测模型，分析动作保存、误报、效率等特性。
Comments Accepted at ICML 2026. Code and benchmark: https://github.com/Tej-55/NAPE
Position: AI Must Become Planet-Centered, Not Just Human-Centered
立场：AI 必须转向以行星为中心，而非仅以人为中心
AI总结 本文提出以行星为中心的AI（PCAI）设计哲学，通过系统思维重新定位AI以应对全球性社会-生态系统挑战，并强调与全球议程对齐、系统感知基础、轨迹导向评估和可监测性。
Journal ref International Conference on Machine Learning (ICML 2026)
Riemannian Metric Matching for Scalable Geometric Modeling of Distributions
黎曼度量匹配：面向分布的可扩展几何建模
机构 * University of Cambridge（剑桥大学）
AI总结 提出黎曼度量匹配框架，通过神经网络学习数据的黎曼几何，利用carré du champ算子的条件期望形式实现样本级训练和恒定成本推理，在精度相当或更优下速度提升400倍。
Comments ICML 2026 (Oral)
TWLA: Achieving Ternary Weights and Low-Bit Activations for LLMs via Post-Training Quantization
TWLA：通过训练后量化实现大语言模型的三值权重和低位激活
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出TWLA框架，通过后训练量化实现1.58位权重和4位激活，解决激活分布长尾问题，加速推理。
Comments Accepted by ICML 2026
Probing Token Spaces under Generator Shift in AI-Generated Music Detection
在AI生成音乐检测中生成器偏移下的Token空间探测
机构 * KAIST（韩国科学技术院）
AI总结 针对AI音乐检测器在生成器偏移下性能下降的问题，提出CoMoE紧凑分类器比较不同音频Token空间，发现编码器风格离散Token空间应作为主要实验变量。
Comments Accepted to ICML 2026 ML4Audio workshop
Understanding Truncated Positional Encodings for Graph Neural Networks
理解图神经网络的截断位置编码
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究截断位置编码（如前k个特征空间或邻接矩阵幂）对图神经网络表达能力的影响，理论证明截断后多种位置编码的表达能力存在本质差异，且截断谱位置编码不再强于1-WL测试，实验表明混合截断编码优于单一类型。
Comments 28 pages, 4 figures, ICML 2026
Multi-Agent Reinforcement Learning from Delayed Marketplace Feedback for Objective-Weight Adaptation in Three-Sided Dispatch
基于延迟市场反馈的多智能体强化学习在三方调度中的目标权重自适应
机构 * DoorDash
AI总结 提出在DoorDash部署的强化学习系统，利用延迟信号自适应调整调度目标权重，通过离线策略学习在噪声和耦合反馈下优化配送质量与批处理效率的权衡。
Comments Accepted at ICML 2026 Workshop on Reinforcement Learning from World Feedback (RLxF)
Towards Effective Waste Segmentation for Automated Waste Recycling in Cluttered Background
面向杂乱背景下的自动废物回收的有效废物分割
机构 * University of Science and Technology Beijing（北京科技大学）
AI总结 提出一种结合空间域和谱域的级联分割网络，并引入辅助特征增强模块，在杂乱场景下实现高效废物分割，在三个数据集上验证了有效性。
Comments accepted at ICML 2026
EvTexture++: Event-Driven Texture Enhancement for Video Super-Resolution
EvTexture++: 事件驱动的视频超分辨率纹理增强
机构 * MOE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学，脑启发智能感知与认知教育部重点实验室） ； Midea Group（美的集团）
AI总结 提出首个事件驱动的视频超分辨率纹理增强框架EvTexture++，利用事件的高频时空细节逐步恢复纹理，并通过时间纹理对齐模块增强帧间一致性，在多个数据集上达到最优性能。
Comments IEEE TPAMI 2026. Extended version of arXiv:2406.13457 (ICML 2024). Project page: https://dachunkai.github.io/evtexture-project-page/
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 48, no. 6, pp. 6642-6659, June 2026
Budget-Constrained Step-Level Diffusion Caching
预算约束的步骤级扩散缓存
机构 * Westlake-AGI-Lab（西湖大学AGI实验室）
AI总结 提出BudCache方法，通过离线搜索（模拟退火+爬山）在固定计算预算下优化缓存策略，并引入缓存感知调度对齐，以提升扩散模型生成质量。
Comments Accepted by ICML 2026
Exploring Systems-Thinking Approaches to Loss of Control Risk
探索系统思维方法应对失控风险
AI总结 本文运用STECA、STPA和FRAM三种系统安全方法分析前沿实验室编码智能体场景，发现模型级评估可能遗漏治理责任、反馈回路和操作变异等风险，主张将模型评估与系统级危害分析和操作保证相结合。
Comments Accepted to the Technical AI Governance Workshop at ICML 2026
PolyFlow: Safe and Efficient Polytope-Constrained Flow Matching with Constraint Embedding and Projection-free Update
PolyFlow: 安全高效的多面体约束流匹配，具有约束嵌入和无投影更新
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出PolyFlow，一种将约束直接嵌入模型和流动力学的多面体约束流匹配框架，通过离散时间流公式和无投影架构消除离散化误差并严格满足任意多面体约束，在规划与控制任务中实现零约束违反并降低推理延迟。
Comments 30 pages, 12 figures, Accepted to ICML 2026
Hölder++: Improving the Quality-Coherence Trade-off in Multimodal VAEs
Hölder++：改进多模态VAE中的质量-一致性权衡
机构 * Hölder++: Improving the Quality-Coherence Trade-off in Multimodal VAEs Supplementary Material（Hölder++：多模态VAE中质量与一致性权衡的改进补充材料）
AI总结 针对多模态VAE生成质量与语义一致性之间的权衡问题，提出Hölder++，通过精确Hölder池化、扩展架构和层次推理，在提升一致性的同时保持生成质量。
Comments Accepted at ICML 2026. Camera-ready version
Once-for-All: Scalable Simultaneous Forecasting via Equilibrium State Estimation
Once-for-All: 基于均衡状态估计的可扩展同步预测
机构 * RMIT University（皇家墨尔本理工大学） ； Monash University（莫纳什大学） ； University of Adelaide（阿德莱德大学）
AI总结 提出均衡状态估计（ESE）范式，通过一次前向传播估计多系统均衡状态并基于状态差异生成预测，在保持精度的同时实现10-70倍加速，且具有线性时间复杂度和鲁棒性。
Comments Accepted by ICML 2026
Different Layers, Different Manifolds: Module-Wise Weight-Space Geometry in Transformer Optimization
不同层，不同流形：Transformer优化中的模块级权重空间几何
机构 * School of Engineering Science, The University of Osaka（大阪大学工程科学学院）
AI总结 研究Transformer不同模块偏好不同流形几何，提出为注意力层和MLP层分别分配Stiefel和DGram约束，在GPT-2预训练中取得最佳性能。
Comments Accepted at WSS @ ICML 2026, code is available at https://github.com/kiratoyoshihara/module-wise-manifold-muon
Evaluating Pluralism in LLMs through Latent Perspectives
通过潜在视角评估LLM中的多元主义
机构 * University of Helsinki（赫尔辛基大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种领域无关的多层无监督框架，从LLM生成文本中提取潜在视角，评估多元主义差距，发现稀有视角仍被不成比例地低估。
Comments Pluralistic Alignment Workshop @ ICML 2026
Decoding Insect Song: A Multitask Semisupervised Orthoptera Bioacoustic Classifier
解码昆虫之歌：一种多任务半监督直翅目生物声学分类器
机构 * University of Oxford（牛津大学）
AI总结 提出PULSE半监督多任务框架，结合弱监督分类、自监督学习和知识蒸馏，在直翅目生物声学分类中优于通用模型，并通过主动学习进一步提升性能。
Comments ICML 2026 Workshop on Machine Learning for Audio
Layer-Resolved Optimal Transport for Hallucination Detection in NMT and Abstractive Summarization
分层最优传输用于神经机器翻译和抽象摘要中的幻觉检测
机构 * Fairseq ； AggreFact
AI总结 通过最优传输分析跨注意力分布，发现幻觉检测集中于解码器前四层，且该方法在源脱离时有效，但无法检测注意力下游的不忠实摘要。
Comments Accepted to ICML Mechanistic Interpretability Workshop 2026
Authority, Truth, and Citation Bias: A Large-Scale Multi-Domain Benchmark for Studying Epistemic Susceptibility in Large Language Models
权威、真实性与引文偏差：研究大语言模型认知易感性的大规模多领域基准
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出AuthorityBench基准，通过2x2因子设计隔离引文权威信号对LLM认知行为的影响，发现引文存在（无论真假）均提高幻觉率，真声明搭配假引文时幻觉率上升3-22个百分点。
Comments 10 pages, 5 figures. Accepted to AI4GOOD and EIML at ICML 2026
Exposure Bias as Epistemic Underidentification in Recursive Forecasting
递归预测中的曝光偏差作为认知欠识别问题
机构 * University of Bristol（布里斯托大学）
AI总结 本文证明递归多步预测中的曝光偏差不仅是分布偏移，更是部分可观测性下的认知欠识别问题，并提出基于来源变量的误差分解与校正方法。
Comments Accepted for ICML 2026 EIML workshop
Self-Guidance: Enhancing Neural Codecs via Decoder Manifold Alignment
自引导：通过解码器流形对齐增强神经编解码器
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出自引导方法，通过轻量特征映射损失对齐解码器内部流形，在不改变推理过程下提升VQ-VAE神经语音编解码器重建质量，实现低比特率SOTA性能并支持4倍码本缩减。
Comments 20 pages, 9 figures, accepted to ICML 2026, demo website available at https://sgvqvae.github.io/sgvqvae-demo
Is Spurious Correlation Removal Always Learnable?
虚假相关性去除是否总是可学习的？
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 研究不变学习在统计可识别时的计算障碍，证明存在一维不变子空间的可采样多环境实例，多项式时间算法无法达到常数精度，并量化环境多样性对可识别性和风险的影响。
Comments poster paper in ICML-2026
Where Computation Lives Inside TabPFN: Causal Localisation of Attention Head Function
计算在 TabPFN 中的位置：注意力头功能的因果定位
机构 * Department of Computer Science, Birla Institute of Technology（比拉理工学院计算机科学系） ； School of Computer Engineering, Kalinga Institute of Industrial Technology（凯林加工业技术学院计算机工程系） ； Birla AI Labs, Office of Ananya Birla, Aditya Birla Group（比拉人工智能实验室，阿尼娅·比拉办公室，阿迪塔亚比拉集团）
AI总结 通过激活修补、消融和注意力熵分析，发现 TabPFN 2.5 中一个注意力头在峰值层的因果必要性比其他头高2-5倍，且其主导层随任务复杂度变化，其余头呈现对称的后期层轮廓。
Comments Accepted to Workshop FMSD @ ICML 2026
Zero-source LLM Hallucination Detection with Human-like Criteria Probing
零源大语言模型幻觉检测：类人类标准探测
机构 * South China University of Technology（华南理工大学） ； The University of Melbourne（墨尔本大学） ； Pazhou Laboratory（帕乔实验室） ； Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学）
AI总结 提出HCPD范式，通过类人类标准探测机制模拟人类评估者的多面推理，结合奖励对齐和多样本聚合，实现零源条件下的有效可解释幻觉检测。
Comments Accepted at ICML 2026
CLARITree: Cholesky and Lookahead Accelerations for Regression with Interpretable Piecewise Linear Trees
CLARITree: 基于Cholesky和前瞻加速的可解释分段线性树回归
机构 * Department of Computer Science, Duke University, Durham, USA（杜克大学计算机科学系，美国达勒姆） ； Department of Computer Science, University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学计算机科学系，加拿大温哥华）
AI总结 提出一种结合前瞻搜索和秩一Cholesky更新的算法，用于构建近最优稀疏分段线性回归树，在计算效率、预测精度和稀疏性之间取得良好平衡。
Comments Accepted at ICML 2026
