A Two-Tier Perspective on Inference-Time Parallelism in Multi-Agent LLM Systems
多智能体大语言模型系统推理时并行性的两层视角
AI总结 本文提出整合两类并行性的TIPEX框架，在GAIA基准上验证推理时并行性可提升多智能体系统性能，中等难度任务从两类并行性协调中获益最多。
Comments Accepted to ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Subliminal Learning is Non-Semantic Distillation
阈下学习（Subliminal Learning, SL）是非语义知识蒸馏
AI总结 该研究探究阈下学习（SL）的机制，发现非语义权重结构是关键，引导向量可生成阈下数据，相关梯度或助力数据审计，凸显识别训练数据潜在信号的重要性。
Comments Accepted as spotlight paper for the ICML 2026 Mechanistic Interpretability Workshop
PPDL: LLM-Based Flows as Probabilistic Programs
PPDL：基于大语言模型的流作为概率程序
AI总结 本文提出用于编程基于LLM的流的概率语言PPDL，可量化传播流中不确定性，无需额外代码即可尝试推理缩放技术，还通过实验及面向Rocq的定理证明智能体案例验证了其能力。
Comments Published at ICML 2026
Position: It's Time to Optimize LLMs for Self-Consistency
立场：是时候针对自一致性优化大型语言模型（LLMs）了
AI总结 本文提出自一致性框架，指出LM的缺陷源于单输出对独立评估的假设，可通过一致性优化解决，为开发通用一致性LLM提供思路。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Position Paper Track
Training-Free Hashing-Based Attention via Binary Principal Components
基于二元主成分的无训练哈希注意力机制
AI总结 针对长上下文LLMs自注意力的解码效率瓶颈，提出无训练的BinaryPC方法，通过数据二元主成分构建哈希码，在保持精度的同时将解码吞吐量提升3.56倍。
Comments ICML 2026
Socially Grounded Agentic AI: Coordinating Plural Perspectives through Social Theory
基于社会基础的智能体人工智能：通过社会理论协调多元视角
AI总结 本文提出将社会理论用于人工智能系统设计，以解决多元对齐问题，将多元对齐重新定位为基于社会基础的协调问题，勾勒了相关系统的设计空间并指明未来研究方向。
Comments Pluralistic Alignment Workshop @ ICML 2026, Seoul, South Korea
Learning Clinical-Trial Strategy: Offline Policy Training for Decision Agents
临床试验策略学习：面向决策智能体的离线策略训练
AI总结 本研究将肿瘤学临床开发建模为离线决策问题，构建时间数据集，对比4种离线目标与4种LLM智能体，发现奖励加权行为克隆表现最优，证明结构化离线学习可用于规划临床实验。
Comments Accepted for a spotlight at the ICML 2026 Workshop on Generative and Agentic AI for Biology (GenBio) and as a poster at the ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation: Black-Box Optimization to Reinforcement Learning (DEMO). 15 pages, 3 figures, 11 tables
Adversarial Fast-Moving Real-World Domains as Test Beds for Benchmarking AI Scientist Capabilities
对抗性快速变化的真实世界领域：用于基准测试AI科学家能力的测试床
AI总结 该研究提出以F1、MTG等对抗性快速变化的真实世界领域为测试床，发现AI科学家的核心能力差距是想法过滤、优先级排序而非生成。
Comments Accepted at the AI for Science workshop at ICML 2026. 14 pages, 11 figures
Emergence of Biased Consensus in Multi-Agent LLM Debates
多智能体LLM辩论中偏向性共识的涌现
AI总结 该研究针对多智能体LLM辩论中集体偏向性共识的涌现问题，提出物理启发的社会动力学分析框架，经实验验证其相变规律，发现智能体异质性可抑制该现象，且见解可推广至投资等现实决策任务。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 23 pages, 12 figures
Can Training Logs Make Model Comparisons More Precise?
训练日志能让模型比较更精确吗？
AI总结 该研究探讨训练日志能否提升随机训练模型比较的精度，采用针对各模型的协变量调整方法，经视觉实验发现早期训练日志的简单调整可降低比较不确定性，但协变量选择的噪声会限制效果。
Comments Accepted at the ICML 2026 Workshop on Hypothesis Testing
Journal ref The ICML 2026 Workshop on Hypothesis Testing
LLMs Can Annotate Attribution Graphs
大型语言模型（LLMs）可对归因图进行标注
AI总结 该研究提出一种LLM自动化流程，可将特征分组为超级节点标注归因图，其效果与人类标注相当，在两跳首都任务中准确率达97%，还可用于开放式探索，推动自动化电路追踪研究。
Comments Poster at ICML Mechanistic Interpretability Workshop 2026
When Replanning Becomes the Bottleneck: Budgeted Replanning for Embodied Agents
当重规划成为瓶颈：具身智能体的预算型重规划
AI总结 针对具身智能体重规划延迟超标的瓶颈问题，提出搭载E-RECAP渐进式token剪枝方法的BRACE控制器，通过预算控制循环减少token消耗、降低SLO违反率，在多平台任务中提升了重规划的实时性与成功率。
Comments 20 pages total: 9 pages main text, 3 pages references, and 8 pages appendix; 18 figures and 32 tables. Accepted at ICML 2026
TabDPT-Turbo: Efficient In-Context Learning for Tabular Prediction
TabDPT-Turbo：面向表格预测的高效上下文学习方法
AI总结 本文提出TabDPT-Turbo模型，通过结合基于行的注意力、长上下文预训练及SSL预训练，在保持与TabDPT v1.1相当性能的同时大幅提升推理速度，是当前最快的表格预测基础模型。
Comments Presented as a poster at the non-archival ICML workshop on Foundation Models for Structured Data (FMSD)
Active Regression for Single-Index Models with Unknown Link Functions
未知链接函数下单索引模型的主动回归
AI总结 本文针对一般p≥1下未知链接函数的单索引模型主动ℓₚ回归问题，提出非自适应采样算法并建立几乎紧下界，缩小了该领域的理论差距。
Comments Earlier version accepted to ICML 2026; the lower bound has been extended to adaptive queries
DiffuseAgent-MI: Distributionally-Grounded,Tool-Integrated Self-Evolving Agents for Faithful Visual Reasoning
DiffuseAgent-MI：用于忠实视觉推理的基于分布、集成工具的自进化智能体
AI总结 DiffuseAgent-MI是基于分布、集成工具的自进化视觉推理智能体，通过KL最小能量模型与轨迹级验证器提升忠实性，在多数据集上准确率及相关指标表现优于现有模型。
Comments 11 pages, 9 figures, accepted by ICML 2026 manitrack
LieStoNet: Learning Lie Symmetries from Spatiotemporal Data for Stochastic Dynamical Systems
LieStoNet：从时空数据中学习随机动力系统的李对称
AI总结 LieStoNet是端到端无模板框架，可从时空轨迹发现SDE的李点对称性，在已知解析对称的典型SDE上恢复出与真实对称代数一致的生成元，为含噪动力学提供可解释对称性发现方案。
Comments 25 Pages, 7 figures. Accepted to the International Conference on Machine Learning (ICML 2026)
PluRel-to-RDB-PFN: Schema-Guided Synthetic Relational Pretraining
PluRel-to-RDB-PFN：模式引导的合成关系预训练
AI总结 该研究将合成关系数据库生成器PluRel作为RDB-PFN的外部预训练数据源，通过三种课程策略对比，发现模式优先引导策略仅用少量数据即可恢复RDB-PFN近94%的性能，证实早期接触真实模式的有效性。
Comments Proceedings of the 2nd ICML on Foundation Models for Structured Data
GO-PRE: Goal-Oriented Next-Best-View Selection via Predictive Rendering Entropy for Active 3D Reconstruction
GO-PRE：面向目标的主动三维重建最优下一个视角选择方法，基于预测渲染熵
AI总结 该研究针对主动三维重建中现有视角选择方法的代理信号与最终目标不一致问题，提出GO-PRE框架，通过最大化预测空间熵降低实现最优视角选择，经实验验证其性能优于现有方法。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Single Frequency CMB Foreground Removal with Inter-scale Machine Learning
利用跨尺度机器学习进行单频率宇宙微波背景前景去除
AI总结 该研究针对单频率CMB前景去除问题，提出结合跨尺度与多频率相关性的混合CNN方法，在DustFilaments模拟中实现远优于传统ILC的前景去除效果，验证了跨尺度相关性的互补作用，但仍面临网络泛化挑战。
Comments 23 pages, 10 figures, accepted to ICML 2026 conference (Ai4Physics workshop)
Same Graph Cross-Task Transfer in GNNs: Protocols and Predictors
GNN中的同图跨任务迁移：协议与预测器
AI总结 该研究针对GNN同图跨任务迁移的评估缺陷，提出无泄漏协议，发现迁移方向性规律，引入CTS指标，表明数据集同质性可指导机制选择以避免负迁移。
Comments 17 pages, 2 figures
Journal ref ICML 2026
Semi-Supervised Learning for Molecular Graphs via Ensemble Consensus
基于集成共识的分子图半监督学习
AI总结 本研究提出基于集成共识的分子图半监督学习方法，可提升多场景下分子预测准确率，增强模型鲁棒性、降低校准误差，且单模型性能优于传统监督训练的完整集成。
Comments ICML
Memory Efficient Tabular Foundation Models
内存高效的表格基础模型
AI总结 本文研究表格基础模型的内存需求，采用模型压缩方法可实现最高7.6倍内存缩减，同时保持相近性能，降低近87%部署需求，为从业者高效部署这类模型提供见解。
Comments 12 pages, 3 figures Accepted at FMSD @ ICML 2026
Journal ref FMSD @ ICML 2026
The Age of AI Agents Demands A New Scientific Paradigm To Sustain Trustworthy Science
AI智能体时代需要新的科学范式以维持可信科学
AI总结 针对AI自主研究智能体带来的科学产出验证缺口扩大问题，该文提出需进化科学验证基础设施的标准，以应对无人能核查结果等风险，维持科学信任。
Comments Accepted at ICML 2026, Position Paper Track
MODUS: Decoder-Only Any-to-Any Modeling of Diverse Modalities
MODUS：仅解码器的多模态任意到任意建模
AI总结 研究任意到任意多模态建模，提出仅解码器的对称多模态建模方法Modus，无需特定模态组件，支持多种应用，在各基准测试中用单模型展现强大性能且与基线竞争，材料开源。
Comments Accepted at ICML 2026. Project page: https://modus-multimodal.epfl.ch
Salient Knowledge Pathways: Sparse Cross-Modal Routing for Efficient Knowledge-Intensive Multimodal Question Answering
显著知识路径：用于高效知识密集型多模态问答的稀疏跨模态路由
AI总结 研究知识密集型多模态问答，提出SKIP架构，通过问题引导视觉令牌修剪等方法，沿稀疏路径计算路由，结合自适应预算控制器，在五个基准测试中，以更少计算量和更低延迟达到或超越密集基线准确性。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026) Workshop on Efficient Multimodal Question Answering (EMM-QA), Seoul, South Korea. Copyright 2026 by the author(s). (Archival)
MedJudgeRAG: Option-Wise Evidence Judgment with Dynamic Knowledge Graphs for Medical MCQA
MedJudgeRAG：用于医学多项选择题问答的基于动态知识图谱的选项级证据判断
AI总结 针对医学MCQA中普通RAG降低LM性能的问题，提出MedJudgeRAG框架，将检索文档表示为动态知识图谱，为选项判断证据裁决并确定知识利用策略，经监督微调训练，实验证明其性能优于基线，且动态知识图谱在训练时作用更有效。
Comments 16 pages, 2 figures, Accepted at The Workshop on Graph Foundation Models at the 43 rd International Conference on Machine Learning (ICML 2026)
When Thinking Before Retrieval Hurts: TraceBound Diagnostics for Adaptive Knowledge-Graph Retrieval
当检索前思考有害时：用于自适应知识图谱检索的TraceBound诊断
AI总结 研究知识图谱自适应检索中“检索前思考”有害问题，引入TraceBound诊断协议，它能暴露查询配置文件等。实验表明虽改善可检查性，但降低检索质量，通过分析定位退化原因，指出应将其作为动作选择控制问题评估。
Comments 11 pages, 4 figures, 15 tables. Accepted at the Failure Modes in Agentic AI (FAGEN) Workshop at ICML 2026
What Gets Lost When Memory Becomes Media? Evaluating AI-Generated Oral History Visualization
当记忆成为媒介时会失去什么？评估人工智能生成的口述历史可视化
AI总结 研究散居海外者口述历史可视化中记忆变媒介时的问题，基于口述历史理论设计指标，比较两种管道，发现场景规划与叙事保留冲突，提出基于失败模式的评估框架、冲突分析及系统选择路由协议。
Comments Accepted at ICML 2026 Workshop on Culture x AI: Evaluating AI as a Cultural Technology
Trainable Nonexpansive Denoisers for Contractive Image Reconstruction
用于收缩图像重建的可训练非扩张去噪器
AI总结 研究如何训练用于图像重建的去噪器，利用排列对图像格的作用约束神经架构，使其全局非扩张，集成去噪器与成像算子开发出可证明收缩且全局收敛的重建机制，实验表明性能有竞争力且提供Lipschitz保证。
Comments accepted at ICML 2026
DECAF: De-Clustering for Adaptive Representational Unlearning
DECAF：用于自适应表征遗忘的去聚类方法
AI总结 研究针对机器遗忘中聚类攻击问题，提出DECAF方法，结合输入噪声、置信度抑制和输出多样化破坏遗忘数据特征结构，在CIFAR-10与ResNet-18上表现出色，性能超基线且效率高。
Journal ref ICML 2026 CATS Workshop
