GENEB: Why Genomic Models Are Hard to Compare
GENEB：为什么基因组模型难以比较
AI总结 针对基因组基础模型评估碎片化的问题，提出GENEB基准，通过统一探测协议在100项任务上比较40个模型，揭示模型排名不稳定、规模收益有限等关键发现。
Comments Accepted to ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Chebyshev Policies and the Mountain Car Problem: Reinforcement Learning for Low-Dimensional Control Tasks
切比雪夫策略与山地车问题：低维控制任务的强化学习
机构 * University of Freiburg（弗赖堡大学）
AI总结 本文解析求解山地车问题，推导最优控制，并引入切比雪夫策略作为通用策略类，在低维控制任务中显著优于神经网络。
Comments ICML 2026 spotlight/oral
RiboSphere: Learning Unified and Efficient Representations of RNA Structures
RiboSphere：学习RNA结构的统一且高效的表示
机构 * Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 RiboSphere通过结合向量量化与流匹配，学习RNA结构的离散几何表示，实现高保真结构生成，其在结构重建和逆折叠中表现优异。
Comments Accepted by ICML 2026
Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation
Flash-VAED: 用于高效视频生成的即插即用VAE解码器
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 Flash-VAED通过通道剪枝和分阶段运算优化，实现了高效视频生成的高质量与高速度平衡。
Comments Accepted by ICML 2026
Esoteric Language Models: A Family of Any-Order Diffusion LLMs
深奥语言模型：一类任意阶扩散LLM
机构 * Cornell University（康奈尔大学） ； NVIDIA（英伟达）
AI总结 提出Eso-LMs模型，融合自回归与掩码扩散范式，通过因果注意力实现精确似然计算和KV缓存，在速度-质量帕累托前沿上达到新最优。
Comments ICML 2026 Camera Ready
Contrastive Diffusion Alignment: Learning Structured Latents for Controllable Generation
对比扩散对齐：用于可控生成的结构化潜在学习
机构 * Department of Psychiatry, Weill Cornell Medicine, New York, NY, USA（威立·科林斯医学中心精神科） ； Department of Psychiatry, Stanford University, Stanford, CA, USA（斯坦福大学精神科） ； Department of Neuroscience, University of Connecticut School of Medicine, Farmington, CT, USA（康涅狄格大学医学院神经科学系）
AI总结 ConDA通过对比学习在扩散模型中学习结构化潜在空间，实现可控生成和动态解释。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
Multi-Task GRPO: Reliable LLM Reasoning Across Tasks
多任务GRPO：跨任务的可靠大语言模型推理
机构 * UCL Department of EEE（伦敦大学学院电子工程系） ； UCL Centre for AI（伦敦大学学院人工智能中心） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； UNIST Graduate School of AI（延世大学人工智能研究生院） ； University of Edinburgh（爱丁堡大学） ； University of Basel（巴塞尔大学）
AI总结 本文提出MT-GRPO算法，通过动态调整任务权重和比例保持采样器，提升多任务场景下大语言模型的可靠推理性能。
Comments Accepted at ICML 2026
Multicalibration Yields Better Matchings
多校准可实现更优匹配
机构 * Meta Central Applied Science（Meta 中央应用科学） ； Sapienza University of Rome（罗马Sapienza大学）
AI总结 本文针对基于上下文预测权重的图匹配问题，提出多校准预测器构建方法，其匹配性能可与匹配算法类中最优规则媲美，并补充了样本复杂度界与实验验证。
Comments Accepted at ICML 2026
CodeChemist: Test-Time Scaling for Low-Resource Code Generation via Functional Knowledge Transfer
CodeChemist：通过测试时扩展实现低资源代码生成的功能知识迁移
AI总结 提出CodeChemist框架，通过合成测试用例将模型功能知识从高资源语言迁移到低资源语言，无需训练，显著提升低资源语言代码生成性能。
Comments This paper is accepted by ICML 2026
Emergence of Hierarchical Emotion Organization in Large Language Models
大型语言模型中层级情感组织的涌现
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Tokyo（东京大学）
AI总结 受情感轮理论启发，分析大型语言模型输出中情感状态间的概率依赖关系，发现模型自然形成与人类心理模型一致的层级情感树，且更大模型发展出更复杂的层级结构，同时揭示社会经济角色在情感识别中的系统性偏差。
Comments ICML 2026
GFlowNet Training by Policy Gradients
基于策略梯度的GFlowNet训练
AI总结 本文提出基于策略梯度的GFlowNet训练框架，联合优化前向与反向策略，经理论分析及模拟、真实数据集实验验证，该策略可提升GFlowNet性能。
Comments ArVix version of the paper accepted by ICML 2024
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
MedCRP-CL: Continual Medical Image Segmentation via Bayesian Nonparametric Semantic Modality Discovery
MedCRP-CL: 通过贝叶斯非参数语义模态发现实现连续医学图像分割
机构 * University College London, London, United Kingdom（伦敦大学学院）
AI总结 该研究提出MedCRP-CL框架，通过在线任务结构发现和结构感知的连续学习方法，解决医学图像分割在持续学习中的挑战，实现了73.3%的Dice得分和仅4.1%的遗忘率。
Comments Accepted to ICML 2026
SVL: Empowering Spiking Neural Networks for Efficient 3D Open-World Understanding
SVL：基于脉冲的视觉-语言预训练用于高效的3D开放世界理解
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学）
AI总结 SVL提出基于脉冲的视觉-语言预训练框架，通过多尺度三元组对齐和可重参数化的视觉-语言整合，提升SNN在3D开放世界理解中的性能，实现高效零样本3D分类和多模态问答。
Comments ICML 2026 Spotlight
Estimating Tail Risks in Language Model Output Distributions
语言模型输出分布中的尾部风险估计
机构 * Columbia University（哥伦比亚大学） ； Department of Computer Science, New York University（纽约大学计算机科学系） ； Center for Data Science, New York University（纽约大学数据科学中心）
AI总结 提出一种基于重要性采样的方法，通过创建不安全版本来高效估计语言模型产生有害输出的尾部概率，在10-20倍更少样本下匹配蒙特卡洛估计，并揭示模型对输入的敏感性。
Comments Accepted to ICML 2026
In-Context Pure Exploration in Continuous Decision Spaces
在连续空间中进行纯探索的上下文学习
机构 * Boston University（波士顿大学） ； Stanford University（斯坦福大学） ； Boston University Broad Institute of MIT and Harvard（波士顿大学MIT和哈佛大学Broad研究所）
AI总结 本文提出C-ICPE-TS算法，通过元训练深度神经网络，在连续空间中实现纯探索，直接从数据学习可转移的序列测试策略，无需参数更新或显式信息模型。
Comments Accepted as an oral presentation at ICML 2026 Workshop on Hypothesis Testing, Seoul, South Korea, 2026
Rex: A Family of Reversible Exponential (Stochastic) Runge-Kutta Solvers
Rex: 一族可逆指数（随机）龙格-库塔求解器
机构 * University of Washington（华盛顿大学）
AI总结 提出Rex求解器族，通过Lawson方法将显式（随机）龙格-库塔格式转化为代数可逆形式，用于扩散ODE和SDE，实现近机器精度重建并提升流模型和扩散模型的性能。
Comments Accepted as an Oral presentation at ICML 2026
Don't Walk the Line: Boundary Guidance for Filtered Generation
不要走线：边界引导用于过滤生成
机构 * Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Stanford University, Department of Computer Science, Stanford, California, USA（斯坦福大学计算机科学系）
AI总结 本文提出边界引导方法，通过强化学习微调生成模型，使其远离分类器边缘，从而提升生成输出的安全性和实用性。
Comments Accepted at ICML 2026
Reading Between the Tokens: Improving Preference Predictions through Mechanistic Forecasting
在token之间阅读：通过机制性预测改进偏好预测
AI总结 通过机制性预测方法，利用语言模型内部表示结构提升偏好预测准确性，揭示其在社会科学预测中的应用潜力。
Comments Accepted at ICML 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)
Contextual Slate GLM Bandits with Limited Adaptivity
有限自适应性下的上下文式板GLM赌博机
机构 * Microsoft Research India（微软研究院印度）
AI总结 针对有限自适应性的上下文式板赌博机问题，提出两种算法B-SlateGLinCB和RS-SlateGLinCB，分别适用于批处理和少切换设置，在多样性假设下实现与非线性参数无关的遗憾界，并具有计算效率。
Comments Accepted at ICML 2026
