Welfare-Optimal Classification with Accuracy Auctions
基于准确性拍卖的福利最优分类
AI总结 提出一种结合真实性拍卖的学习算法，在用户对准确性估值私有的情况下优化社会福利，并给出高效计算分配和价格的方法。
Comments ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Private and Stable Test-Time Adaptation with Differential Privacy
具有差分隐私的私有且稳定的测试时自适应
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出将多种测试时自适应方法转化为差分隐私形式，通过逐样本梯度裁剪和高斯噪声保护测试数据隐私，在ImageNet-C上实现隐私与精度的平衡，并发现裁剪机制能提升连续自适应的准确性和稳定性。
Comments ICML 2026. Code: https://github.com/van-hammerheads/private-stable-tta
Look on Demand: A Cognitive Scheduling Framework for Visual Evidence Acquisition in Multimodal Reasoning
按需查看：多模态推理中视觉证据获取的认知调度框架
机构 * Key Laboratory of Multimedia Trusted Perception（多媒体可信感知实验室） ； Efficient Computing, Ministry of Education of China, Xiamen University, 361005, P.R. China（教育部高效计算实验室，厦门大学，361005，中国） ； Sino-Russian ResearchCenter for Digital Economy（中俄数字经济研究中心） ； Institute of Artificial Intelligence, Xiamen University, China（人工智能研究院，厦门大学，中国） ； School of Informatics, Xiamen University, China（信息学院，厦门大学，中国） ； School of Information Engineering, Xiamen Ocean Vocational College, Xiamen 361102, China（信息工程学院，厦门海洋职业技术学院，厦门361102，中国）
AI总结 提出CSMR框架，通过语言模型控制何时调用独立视觉感知模块获取任务相关视觉证据，在零样本设置下多个基准上优于基线方法。
Comments Accepted at ICML 2026
BuildArena: A Physics-Aligned Interactive Benchmark of LLMs for Engineering Construction
BuildArena: 一个对齐物理的LLM交互基准，用于工程建造
机构 * Tian Xia（夏天） ； Tianrun Gao（高天run） ； Wenhao Deng（邓文浩） ； Long Wei（韦龙） ； Xiaowei Qian（钱小伟） ； Chenglei Yu（于成磊） ； Tailin Wu（吴太林）
AI总结 本研究提出BuildArena，一个首个对齐物理的LLM交互基准，用于语言驱动的工程建造，通过可扩展的任务设计策略和3D空间几何计算库，评估九个前沿LLM在语言驱动和物理基础的自动化建造中的能力。
Comments ICML 2026, 36 pages, 12 figures
Visual Implicit Autoregressive Modeling
基于隐式平衡层的视觉隐式自回归建模
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院）
AI总结 本文提出VIAR模型，通过隐式平衡层和可调节的计算控制，在保持生成质量的同时降低内存和提升效率，优于现有自回归基线和扩散模型。
Comments ICML 2026
CoopEval: Benchmarking Cooperation-Sustaining Mechanisms and LLM Agents in Social Dilemmas
CoopEval：社会困境中合作维持机制与LLM代理的基准测试
机构 * Carnegie Mellon University ； Foundations of Cooperative AI Lab (FOCAL) ； Jinesis Lab, University of Toronto \& Vector Institute ； ETH Z\" u rich ； Max Planck Institute for Intelligent Systems, T\" u bingen, Germany
AI总结 研究探讨了社会困境中合作维持机制与LLM代理的交互效果，发现重复游戏和声誉系统最有效，但合作效果随对手变化而下降，且在进化压力下更有效。
Comments Published paper at the International Conference on Machine Learning (ICML) 2026. 65 pages, 38 Figures, 8 Tables, 17 Listings
On the Ability of Transformers to Verify Plans
Transformer 在验证计划能力上的表现
机构 * Saarland University（萨尔兰大学） ； Australian National University（澳大利亚国立大学） ； University of Toulouse / LAAS-CNRS（图卢兹大学 / LAAS-CNRS）
AI总结 研究分析了解码器-only模型验证计划的能力，提出C*-RASP框架以保证序列长度和词汇量增长时的泛化能力，发现某些经典规划领域中Transformer能有效学习验证长计划。
Comments Accepted at ICML 2026
Learning When to Attend: Conditional Memory Access for Long-Context LLMs
学习何时关注：为长上下文LLM的条件记忆访问
机构 * Department of Electrical and Computer Engineering, Purdue University, USA（电子工程系，普渡大学，美国）
AI总结 本文提出L2A方法，通过条件性长程记忆访问提升长上下文LLM性能，使Qwen 2.5和Qwen 3模型的有效上下文长度从32K扩展到128K，同时提升训练效率并减少内存消耗。
Comments 26 pages, 11 Tables, 18 Figures. Accepted at ICML 2026
Generative Inverse Design with Abstention via Diagonal Flow Matching
基于对角流匹配的生成反向设计与退避
机构 * Institute of Mathematics, TU Berlin（柏林技术大学数学研究所）
AI总结 本文提出Diagonal Flow Matching方法，通过零锚定策略解决反向设计中坐标排列和缩放敏感问题，提升反向设计精度，并引入两个不确定性度量以实现候选选择、可靠预测退避和分布外检测。
Comments 23 pages, ICML 2026 camera-ready version
Language Generation with Replay: A Learning-Theoretic View of Model Collapse
带重放的语言生成：模型崩溃的学习理论视角
机构 * University of Copenhagen（哥本哈根大学） ； Isara Labs（Isara实验室）
AI总结 研究随着前沿大语言模型训练对数据需求增加，生成文本可能重入训练语料库致模型崩溃的问题。通过语言生成极限框架，引入重放对手，刻画重放何时限制生成。
Comments Accepted to ICML 2026
SpreadsheetArena: Decomposing Preference in LLM Generation of Spreadsheet Workbooks
电子表格竞技场：在大型语言模型生成电子表格工作簿中分解偏好
AI总结 研究端到端电子表格生成任务，介绍SpreadsheetArena平台通过大型语言模型生成的工作簿的盲选成对偏好投票评估模型，指出该任务挑战机遇，发布数据集以助进一步研究。
Comments 35 pages. ICML 2026
Local Constrained Bayesian Optimization
局部约束贝叶斯优化
机构 * Department of Industrial Systems Engineering & Management, National University of Singapore, Singapore（新加坡国立大学工业系统工程与管理系，新加坡）
AI总结 针对高维约束问题的贝叶斯优化面临挑战，提出局部约束贝叶斯优化框架。利用约束惩罚替代函数的可微景观，在局部下降与探索间交替，理论证明其收敛率，实验表明优于现有基线。
Comments 28 pages, 7 figures, accepted at ICML 2026
TT-Sparse: Learning Sparse Rule Models with Differentiable Truth Tables
TT-Sparse：使用可微真值表学习稀疏规则模型
AI总结 为解决可解释机器学习中学习兼具高性能与低复杂度规则集的难题，引入TT-Sparse，利用可微真值表学习稀疏有效连接，提出新软TopK算子，能高效计算并提取可解释规则，性能优于现有方法。
Comments to appear in the proceedings of ICML 2026
ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning
ARLArena：用于稳定智能体强化学习的统一框架
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 研究针对智能体强化学习不稳定问题，提出ARLArena框架。先构建测试平台，将策略梯度分解为四个维度分析，据此提出稳定的智能体策略优化方法SAMPO，实现稳定训练与良好性能。
Comments To appear at ICML 2026
Omni-Diffusion: Unified Multimodal Understanding and Generation with Masked Discrete Diffusion
全模态扩散：基于掩码离散扩散的统一多模态理解与生成
机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯云科技实验室） ； CASIA（中国科学院自动化研究所）
AI总结 受离散扩散模型在多领域成功应用启发，提出全模态扩散模型，基于掩码离散扩散模型构建，统一文本、语音和图像的理解与生成，用统一模型直接捕捉离散多模态令牌联合分布，性能优于现有多模态系统。
Comments Accepted to ICML 2026. This version updates the ICML submission with an optimized model checkpoint. Project page: https://omni-diffusion.github.io
Utonia: Toward One Encoder for All Point Clouds
Utonia：迈向适用于所有点云的单一编码器
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaomi（小米）
AI总结 研究旨在训练跨多领域的单自监督点变压器编码器Utonia，其能学习一致表征空间实现跨域转移，统一各领域点云，提升感知能力，还对具身和多模态推理有益，有望成为稀疏3D数据基础模型。
Comments produced by Pointcept, project page: https://pointcept.github.io/Utonia
Journal ref International Conference on Machine Learning 2026
Compositional Generalization Requires Linear, Orthogonal Representations in Vision Embedding Models
组合泛化要求视觉嵌入模型具有线性、正交表示
机构 * Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 研究组合泛化中表示结构需满足的条件，通过形式化三个需求得出其几何约束，为线性表示假设提供理论基础，还推导维度界限并通过实验验证，揭示模型表示结构与组合泛化的关联。
Comments ICML 2026
Incremental Learning of Sparse Attention Patterns in Transformers
Transformer中稀疏注意力模式的增量学习
机构 * TML Lab, EPFL（EPFL语言模型实验室）
AI总结 研究在高阶马尔可夫链上训练的简单Transformer，其通过稀疏注意力模式从多个过去位置学习信息，分析学习动态及阶段转换，用简化微分方程建模并证明收敛，为结构化注意力模式和头专业化提供理论解释。
Comments Published at ICML 2026. OpenReview: https://openreview.net/forum?id=vSRh1qU5sH. 41 pages, 21 figures
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
Learning Adaptive Perturbation-Conditioned Contexts for Robust Transcriptional Response Prediction
学习自适应扰动条件上下文用于稳健的转录反应预测
AI总结 针对预测基因扰动的高维转录反应难题，现有方法存在均值坍缩等问题。提出AdaPert方法，通过可微节点选择提取稀疏、特定扰动子图，抑制无反应基因的虚假变化，在多基准测试中优于现有基线。
Comments 34 pages, 28 figures, 18 tables
Journal ref ICML 2026
Gradient Regularization Mitigates Reward Hacking in Reinforcement Learning from Human Feedback and Verifiable Rewards
梯度正则化减轻基于人类反馈和可验证奖励的强化学习中的奖励作弊
机构 * The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所AIP） ； Mila（蒙特利尔大学Mila）
AI总结 研究基于人类反馈或可验证奖励的强化学习中奖励作弊问题，提出用梯度正则化使训练偏向奖励更准确区域，理论推导并实证验证，还改进方法，结果显示其比KL惩罚表现更好。
Comments Accepted at ICML 2026, 25 pages, 15 figures
Machine Learning Hamiltonians are Accurate Energy-Force Predictors
机器学习哈密顿量是精确的能量-力预测器
AI总结 研究现有哈密顿量模型作为能量-力预测器表现不明的问题，通过直接从预测哈密顿量计算能量和力的基准测试填补空白，提出QHFlow2模型并展示其优势及与模型容量和数据的关系
Comments 2026 ICML poster accepted
Think Deep, Not Just Long: Measuring LLM Reasoning Effort via Deep-Thinking Tokens
深入思考，而非仅靠长度：通过深度思考令牌测量大语言模型推理工作量
机构 * University of Virginia（弗吉尼亚大学） ； Google（谷歌）
AI总结 研究通过识别深度思考令牌量化推理时间工作量，在多个基准和模型上验证深度思考比例与准确率正相关，据此引入Think@n策略提升推理效率并降低成本。
Comments Accepted to ICML 2026
Deriving Neural Scaling Laws from the statistics of natural language
从自然语言统计中推导神经缩放定律
AI总结 研究从自然语言统计推导神经缩放定律，分离出语言关键统计属性预测神经缩放指数，给出基于这些统计量的简单公式，与实验测量定律匹配。
Comments ICML 2026
Interpretability and Generalization Bounds for Learning Spatial Physics
学习空间物理的可解释性与泛化界
机构 * OpenAI ； Google（谷歌） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 利用数值分析技术，严格量化了应用于线性微分方程的机器学习模型在参数发现或求解中的准确性、收敛率和泛化界，并基于格林函数表示引入科学模型的可解释性视角。
Comments To appear in ICML 2026. 18 pages, 13 figures
Predicting the Emergence of Induction Heads in Language Model Pretraining
预测语言模型预训练中归纳头的出现
机构 * Department of Linguistics, Georgetown University（语言学系，乔治城大学）
AI总结 研究训练数据统计特性与归纳头形成关系，通过自然和合成数据设置，发现简单公式可预测归纳头形成点，表面二元重复频率等影响其形成并找到决策边界，局部依赖也影响其形成。
Comments Accepted to ICML 2026
Alleviating Sparse Rewards by Modeling Step-Wise and Long-Term Sampling Effects in Flow-Based GRPO
通过在基于流的GRPO中对逐步和长期采样效应建模来缓解稀疏奖励
AI总结 研究在基于流的GRPO中缓解奖励稀疏问题，提出TurningPoint-GRPO框架，用逐步增量奖励替代基于结果的奖励，识别转折点并赋予长期奖励，有效利用奖励信号提升图像生成效果。
Comments Accepted by ICML
A Random Matrix Theory Perspective on the Consistency of Diffusion Models
扩散模型一致性的随机矩阵理论视角
AI总结 研究扩散模型在不同数据集子集训练时输出相似的原因，用随机矩阵理论框架量化有限数据集对去噪器和采样映射期望及方差的影响，揭示交叉分割不一致的因素并验证对模型行为的预测。
Comments 58 pages, 45 figures. Accepted as an Oral Presentation at ICML 2026
PCA of probability measures: Sparse and Dense sampling regimes
概率测度的主成分分析：稀疏与密集采样机制
AI总结 研究在双渐近情形下对多个概率测度进行主成分分析，通过\(m\)个样本观察\(n\)个概率测度，推导经验协方差算子和主成分分析超额风险的收敛率\(n^{-1/2} + m^{-\alpha}\)，证明密集情形下速率是极小极大最优的。
Journal ref International Conference on Machine Learning 2026
Spectral Gradient Descent Mitigates Anisotropy-Driven Misalignment: A Case Study in Phase Retrieval
谱梯度下降减轻各向异性驱动的失准：相位恢复的案例研究
AI总结 研究谱梯度方法在非线性相位检索模型中的作用机制，通过动力学分析发现梯度下降存在方差诱导失准，谱梯度下降可消除此效应，实现稳定对齐和加速噪声收缩，数值实验证实理论。
Comments Revised version for ICML 2026
Large Language Models Develop Novel Social Biases Through Adaptive Exploration
大语言模型通过适应性探索形成新的社会偏见
机构 * Princeton University（普林斯顿大学）
AI总结 研究大语言模型在无固有差异时能否形成新社会偏见，用心理学范式证明其能形成，导致任务分配不公平，新模型更严重，还探索干预措施，发现激励探索可减少分层。
Comments ICML 2026 Oral
