期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
联邦双层执行预测
机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Washington State University（华盛顿州立大学）
AI总结 研究联邦学习中客户端数据分布受决策影响的双层优化问题，提出联邦双层执行稳定点概念及两种求解方法，实验验证了稳定性阈值和元泛化提升。
Comments Accepted by ICML 2026
DF-ExpEnse: 扩散滤波探索用于高效样本微调
机构 * Stanford University（斯坦福大学） ； Brown University（布朗大学）
AI总结 提出DF-ExpEnse探索技术，利用生成控制策略的多模态建模能力和评论家集成，在微调中高效收集在线经验，提升样本效率。
Comments ICML 2026
FlowFake: 用于音频深度伪造检测的液态网络
机构 * Delhi Technological University（德里理工大学）
AI总结 针对音频深度伪造检测中跨数据集泛化失败的问题，提出基于液态时间常数（LTC）架构的FlowFake模型，通过学习ODE演化隐藏状态并自适应时间常数，以34K参数在跨域基准上超越现有方法。
Comments Accepted at the Workshop on Learning to Listen: Machine Learning for Audio at ICML 2026
涌现对齐
机构 * CIIRC, Czech Technical University in Prague（捷克理工大学CIIRC）
AI总结 提出一种在线对齐技术，通过引入良心步骤和基于直接偏好优化的对齐损失，使大语言模型在训练、微调、对抗提示和零样本学习中自我纠正非伦理输出。
Comments Rejected from ICML 2026
LLM 不知道它不知道什么：通过跨模型归因分歧检测临床表格数据上的认知盲点
机构 * Centific AI Research（Centific AI研究）
AI总结 研究大语言模型在结构化临床数据上的认知不确定性，通过跨模型归因分歧分析，发现其口头置信度空洞、存在逆难度效应，并提出基于归因分歧的校准方法，无需训练即可提升准确率并降低校准误差。
Comments Accepted at EIML@ICML 2026
3D-DLP：自监督3D物体中心场景表示学习
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出3D-DLP模型，通过自监督学习将场景级RGB-D或体素观测分解为3D潜在粒子，每个粒子编码解耦属性，实现可解释的逐粒子分割图，并支持场景操控和下游机器人操作。
Comments ICML 2026. Project webpage: https://eubooks3003.github.io/3d-dlp
QMaxCal: 基于 Girsanov 定理的开环量子控制路径空间正则化
机构 * Institute of Physics, University of Amsterdam, Netherlands（阿姆斯特丹大学物理研究所） ； Van 't Hoff Institute for Molecular Sciences, University of Amsterdam, Netherlands（阿姆斯特丹大学范·霍夫分子科学研究所） ； Dutch Institute for Emergent Phenomena, University of Amsterdam, Netherlands（阿姆斯特丹大学新兴现象研究所） ； Institute for Mathematics, Academia Sinica, Taiwan（台湾“中华学术院”数学研究所） ； Korteweg-de Vries Institute for Mathematics, University of Amsterdam, Netherlands（阿姆斯特丹大学柯特韦斯数学研究所） ； Amsterdam Machine Learning Lab, University of Amsterdam, Netherlands（阿姆斯特丹大学机器学习实验室） ； Department of Physics, National Taiwan University, Taiwan（台湾国立台湾大学物理系）
AI总结 针对开放量子系统退相干问题，利用 Girsanov 定理推导 KL 散度的可微估计器，提出两种正则化项以最小化退相干影响，在多种量子系统中优于未正则化的梯度方法和强化学习基线。
Comments 26 pages, 6 figures. ICML 2026 AI4Physics Workshop
约束混合建模预测土壤系统中微生物动态与有机质周转
机构 * Agrosphere (IBG-3), Forschungszentrum Jülich GmbH（农业圈（IBG-3），于利希研究中心） ； Institute of Crop Science and Resource Conservation, University of Bonn（波恩大学作物科学与资源保护研究所） ； Institute of Computer Science, University of Bonn（波恩大学计算机科学研究所） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所）
AI总结 提出首个混合建模框架，利用神经网络从宏基因组推断功能性状预测过程模型参数，并整合生态理论约束，有效预测微生物动态和有机质周转。
Comments Accepted at ICML '26
临界渗流作为可解释性的合成数据模型
机构 * Aryeh Brill ； Tom Ingebretsen Carlson
AI总结 提出基于临界平均场渗流簇的层次函数合成数据集，具有稀疏、分形和幂律分布特性，支持几乎线性时间算法生成任意规模数据，可用于评估可解释性方法。
Comments 21 pages, 10 figures, accepted to the Mechanistic Interpretability Workshop at ICML 2026
ACUTE协议：操作语言模型激活以实现更好的校准、效用和信任
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google（谷歌） ； Scale AI
AI总结 提出ACUTE协议，通过操作语言模型激活来估计置信度，平衡校准与信息性，在多项选择问答、工具调用和科学文档摘要等任务上优于强基线，提升校准、效用和可信度。
Comments ICML 2026
迈向真正的多语言ASR：将代码切换ASR泛化到未见语言对
机构 * University of Tokyo（东京大学）
AI总结 通过模型合并和领域泛化方法，研究从有限语言对中学到的代码切换能力能否泛化到未见语言对，实验表明双语CS-ASR模型对未见语言对有一定泛化能力但有限。
Comments ICML 2026 Workshop on Machine Learning for Audio
推理时元素损坏下的分布鲁棒集合表示学习
机构 * McGill University（麦吉尔大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 针对推理时元素损坏问题，提出SW-DRSO分布鲁棒优化框架，通过重心对抗近似最坏情况损失，在四个任务上验证了鲁棒性和性能。
Comments Accepted by ICML'26
CareTransition-Audit：用于高效护理过渡的出院总结审计基准
机构 * Department of Computer Science \& Engineering, University of Minnesota-Twin Cities, Minneapolis, USA ； Centific AI Research, Redmond, USA
AI总结 提出基于大语言模型的自动化框架，通过46项检查清单审计出院总结完整性，在MIMIC-IV数据集上基准测试11个模型，最佳模型与临床医生标签的Cohen's kappa约0.5，所有模型难以识别模糊文档。
Comments Accepted as a poster at IEEE-ICHI 2026; Accepted at SD4H@ICML
对目标指令选择的批判性审视：厘清什么重要（以及什么不重要）
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Kempner Institute（凯门研究所）
AI总结 本文系统解构指令微调中目标指令选择的两大核心要素——数据表示与选择算法，发现基于梯度的表示结合贪心轮询选择在低预算下表现最佳，但收益随预算增加而减弱，并统一了多种算法为近似距离最小化。
Comments ICML 2026
LoRDO: 分布式低秩优化与低频通信
机构 * University of Cambridge（剑桥大学） ； Institute of Science and Technology Austria（奥地利科学与技术研究院） ； Lancaster University（兰卡斯特大学） ； Flower Labs（Flower实验室）
AI总结 提出LoRDO框架，统一低秩优化与低频同步，通过全秩准双曲更新恢复子空间探索，在125M-720M模型规模下实现与低秩DDP近似的性能，通信量减少约10倍。
Comments Accepted at ICML 2026
一个探针无法捕捉所有：迈向有针对性的欺骗检测
机构 * LASR Labs（LASR实验室） ； UK AI Security Institute（英国人工智能安全研究所）
AI总结 针对线性探针在欺骗检测中的异质性，提出根据具体欺骗类型匹配探针可显著提升性能（AUC提升0.108），建议组织定义威胁模型并部署相应探针。
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
通过增强潜在本征属性将重光照作为视觉先验的探针
机构 * UvA-Bosch Delta Lab, University of Amsterdam, Amsterdam, Netherlands（乌得勒支大学阿姆斯特丹分校博世Delta实验室） ； The University of Chicago, Chicago, USA（芝加哥大学） ； Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学）
AI总结 提出增强潜在本征属性（ALI）方法，融合密集像素对齐视觉特征到潜在本征重光照模型，平衡语义与光度保真度，提升复杂材质重光照质量。
Comments Camera-ready version for ICML 2026. Project page: https://augmented-latent-intrinsics.github.io
Bring My Cup! 使用视觉注意力提示个性化视觉-语言-动作模型
机构 * GSAI, POSTECH（POSTECH 人工智能研究所） ； IME, POSTECH（POSTECH 信息媒体研究所）
AI总结 针对VLA模型难以处理个性化指令的问题，提出无需训练的视觉注意力提示（VAP）方法，通过参考图像作为非参数记忆，利用开放词汇检测和嵌入匹配定位个人物品，并以视觉提示注入模型，在多个仿真和真实场景中显著提升成功率和正确物体操作。
Comments ICML 2026. Project page: https://vap-project.github.io/
TransLaw：模拟香港判例法专业翻译的大规模数据集与多智能体基准
机构 * City University of Hong Kong, Hong Kong SAR, China（香港城市大学）
AI总结 针对香港判例法英译中资源匮乏、法律术语和格式要求严格的问题，构建了首个大规模句对齐平行语料库HKCFA Judgment 97-22，并提出多智能体框架TransLaw，通过分解翻译任务、集成法律词汇库和检索增强生成，显著提升翻译质量，但仍未达到人类专家的风格自然度。
Comments Accepted at ICML 2026 - AI for Law
MEAL: 持续多智能体强化学习基准
机构 * Eindhoven University of Technology, The Netherlands（埃因霍温理工大学，荷兰） ； University of Edinburgh, UK（爱丁堡大学，英国） ； University of Stuttgart, Germany（斯图加特大学，德国） ； King's College London, UK（伦敦国王学院，英国） ； University of Liverpool, UK（利物浦大学，英国）
AI总结 提出MEAL基准，利用JAX和GPU加速实现100任务序列训练，揭示长序列中出现的失败模式。
Comments To be published in the International Conference on Machine Learning (ICML) 2026
生物声学地理定位：物种声音作为地理信号
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 本文研究仅通过声音进行全球尺度地理定位，利用生物声学信号中的物种地理分布线索，提出结合物种范围预测与检索的地理定位方法，并验证多模态融合的潜力。
Comments Accepted to ICML 26
使用零开销遥测检测隐藏的机器学习训练
机构 * Machine Intelligence Research Institute（机器智能研究院） ； University of Virginia（弗吉尼亚大学）
AI总结 本文评估了仅使用零开销、隐私保护的NVML遥测（内容无关信号）对GPU工作负载分类的对抗鲁棒性，开发了一个分类器，在识别训练工作负载时达到98.2%的二元准确率，并对最具挑战性的意外工作负载达到43-87%的准确率。
Comments Technical AI Governance Research workshop at ICML 2026
稀疏混合专家模型中不连续性的几何与随机分析
机构 * Department of Mathematics, National University of Singapore, Singapore（新加坡国立大学数学系） ； Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), VNU-HCM, Ho Chi Minh City, Vietnam（胡志明市技术大学计算机科学与工程学院）
AI总结 本文对稀疏混合专家模型中的不连续性进行几何与随机分析，分类不连续阶数，建立渐近体积估计，证明随机路径几乎必然击中一阶不连续，并提出低开销平滑机制以提升性能。
Comments ICML 2026 Spotlight. arXiv admin note: text overlap with arXiv:2510.17794 by other authors
LARE: 低注意力区域编码用于文本-图像检索
机构 * Saudi Data and Artificial Intelligence Authority (SDAIA)（沙特数据与人工智能局）
AI总结 提出LARE框架，通过并行编码低注意力区域和完整图像，解决拥挤场景下视觉编码器忽视关键细节的问题，在密集场景子集上提升检索性能。
Comments Accepted at the ICML 2026 Workshop on Efficient Multimodal Question Answering (EMM-QA). Code: https://github.com/AbdulmalikDS/LARE ; Dataset: https://huggingface.co/datasets/AbdulmalekDS/Dense-Set
视觉语言模型的语义鲁棒性认证
机构 * School of Computing \& Information Systems, University of Melbourne, Australia
AI总结 提出首个无需额外数据即可认证视觉语言模型在语义层面（如形状、大小、风格）鲁棒性的框架，通过文本提示作为语义代理并量化决策边界，确保预测类别在语义变换下不变。
Comments Accepted to ICML
闭环：用于符号音乐生成中可解释激活引导的PID反馈控制
机构 * Athens University of Economics and Business（雅典经济与商业大学） ； Orfium Research（Orfium 研究） ； Hellenic Mediterranean University（希腊地中海大学） ； Archimedes / Athena Research Center（阿基米德/雅典娜研究中心）
AI总结 提出基于PID反馈控制的推理时激活引导框架，通过差分均值法提取音高和时长潜在方向，并利用Gram-Schmidt正交化解耦多属性引导，实现符号音乐生成中细粒度、可解释的属性调制。
Comments Accepted at Learning to Listen: ICML 2026 Workshop on Machine Learning for Audio (43rd International Conference on Machine Learning - ICMLMLA26), 4 pages main (11 total), 2 figures
基于公共特征条件化的私有学习
机构 * Microsoft（微软） ； Google Research（谷歌研究院）
AI总结 针对标签差分隐私回归问题，提出Cond-DP方法，利用公共特征矩阵的结构信息构造条件化矩阵以加速优化，在凸、强凸和非凸设置下提供收敛保证，并在线性回归中实现比DPSGD更快的收敛速度。
Comments Proceedings of the 43rd International Conference on Machine Learning (ICML 2026). 26 pages, 9 figures
ForecastBench-Sim：一个模拟世界预测基准
机构 * Forecasting Research Institute（预测研究所）
AI总结 提出基于Freeciv游戏模拟的预测基准ForecastBench-Sim，通过游戏回滚生成可控、即时可解的预测问题，用于评估AI系统的概率推理能力。
Comments 15 pages, 5 main figures, 6 appendix figures. Spotlight presentation at Forecasting as a New Frontier of Intelligence / Workshop on AI Forecasting, ICML 2026
表格基础模型在流学习中的有界上下文管理
机构 * Seoul National University（首尔大学） ； KAIST（韩国科学技术院）
AI总结 针对表格流学习中分布漂移问题，提出上下文管理策略CURE，通过不确定性门控准入和冗余感知驱逐管理上下文，在七个流上相对提升最高27.0%。
Comments Accepted as a spotlight oral (top 5%) at the 2nd ICML Workshop on Foundation Models for Structured Data (FMSD@ICML2026)
可引导的文化偏好优化奖励模型
机构 * Stanford University（斯坦福大学） ； University of Amsterdam（阿姆斯特丹大学）
AI总结 提出SCPO算法，通过平衡多种文化偏好训练奖励模型，在PRISM和GlobalOpinionQA数据集上提升少数群体偏好预测准确率最多7点，训练效率提高280%。
Comments Accepted to Pluralistic Alignment @ ICML 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈