ICML - arXivDaily 期刊&会议

2606.04279 2026-06-04 cs.LG quant-ph

Derivative Informed Learning of Exchange-Correlation Functionals

交换相关泛函的导数知情学习

Eike S. Eberhard, Luca A. Thiede, Abdul Aldossary, Andreas Burger, Nicholas Gao, Vignesh Bhethanabotla, Alán Aspuru-Guzik, Stephan Günnemann

机构 * Technical University of Munich（慕尼黑技术大学）； Munich Data Science Institute（慕尼黑数据科学研究所）； Munich Center for Machine Learning（慕尼黑机器学习中心）； University of Toronto（多伦多大学）； Vector Institute（向量研究所）； CuspAI ； California Institute of Technology（加州理工学院）

AI总结提出导数知情交换相关损失(DI-Loss)，通过监督能量在密度矩阵Grassmannian上的一阶和二阶导数，训练O(N^3)标度的机器学习交换相关泛函以复现B3LYP/def2-SVP目标，在多个架构上平均总能量MAE降低66%，并减少混合泛函SCF迭代次数达50%。

Comments Proceedings of the 43rd International Conference on Machine Learning

2606.04206 2026-06-04 cs.RO

DLO-Lab: Benchmarking Deformable Linear Object Manipulations with Differentiable Physics

DLO-Lab: 基于可微物理的可变形线性物体操作基准测试

Junyi Cao, Yian Wang, Ziyan Xiong, Chunru Lin, Zhehuan Chen, Chuang Gan

机构 * DLO-Lab（DLO实验室）

AI总结针对机器人操作绳索、电缆等可变形线性物体（DLO）的挑战，提出一个可微模拟器，支持多种材料属性，并构建基准任务套件，结合专用DLO智能体，评估策略学习算法并验证仿真到现实的迁移。

Comments ICML 2026, the project page: https://dlo-lab-26.github.io/

2606.04188 2026-06-04 cs.LG cs.AI cs.RO

Dual Advantage Fields

双优势场

Alexey Zemtsov, Maxim Bobrin, Alexander Nikulin, Dmitry V. Dylov, Fakhri Karray, Vladislav Kurenkov, Martin Takáč, Arip Asadulaev

机构 * NUST MISIS（努斯大学材料科学与工程学院）； MSU（莫斯科大学）； Computational Imaging Lab（计算成像实验室）； MBZUAI（马斯喀特人工智能研究院）； dunnolab（杜诺实验室）； Innopolis University（因诺波利斯大学）

AI总结提出双优势场（DAF）方法，利用双线性对偶值模型生成局部优势信号，通过动作-效应模型预测折扣特征位移并与目标方向对齐来评分动作，实现离线目标条件强化学习中的策略提取。

Comments Accepted by ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation: Black-Box Optimization to Reinforcement Learning

2606.04182 2026-06-04 cs.LG cs.AI stat.ML

Exact Unlearning in Reinforcement Learning

强化学习中的精确遗忘

Thanh Nguyen-Tang, Raman Arora

机构 * University of California, Berkeley（加州大学伯克利分校）

AI总结本文提出强化学习中的精确遗忘问题，通过ρ-TV稳定算法实现数据删除后输出与从未学习该数据时不可区分，并给出近乎最优的遗憾界。

Comments ICML Spotlight

2606.04046 2026-06-04 cs.CV cs.AI cs.CL cs.LG cs.RO

Dive into the Scene: Breaking the Perceptual Bottleneck in Vision-Language Decision Making via Focus Plan Generation

深入场景：通过焦点计划生成打破视觉-语言决策中的感知瓶颈

Boyuan Xiao, Bohong Chen, Yumeng Li, Ji Feng, Yao-Xiang Ding, Kun Zhou

机构 * University of Science and Technology of China（中国科学技术大学）； Tsinghua University（清华大学）

AI总结提出SceneDiver方法，通过从粗到细的焦点计划生成，逐步构建场景图并分解任务，减少视觉幻觉，提升视觉-语言模型和视觉-语言-动作模型在具身决策任务中的表现。

Comments Accepted at ICML 2026

2606.03972 2026-06-04 cs.CV

AAD-1: Asymmetric Adversarial Distillation for One-Step Autoregressive Video Generation

AAD-1：用于一步自回归视频生成的非对称对抗蒸馏

Haobo Li, Yanhong Zeng, Yunhong Lu, Jiapeng Zhu, Hao Ouyang, Qiuyu Wang, Ka Leong Cheng, Yujun Shen, Zhipeng Zhang

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结提出非对称对抗蒸馏框架AAD-1，通过打破生成器与判别器的对称性以及分阶段训练策略，解决一步自回归视频生成中的运动崩溃和训练不稳定问题，实现最先进性能。

Comments ICML 2026. Project page: \url{https://aad-1.github.io/}

2606.03810 2026-06-04 cs.CL cs.AI

Consistency Training Can Entrench Misalignment

一致性训练可能固化不对齐

David Demitri Africa, Arathi Mani

机构 * UK AI Security Institute（英国人工智能安全研究所）

AI总结研究通过七种一致性训练方法在108个微调模型上的实验，发现一致性训练通常抑制奖励黑客和新兴不对齐，但会放大谄媚行为，并提出了一个统一的理论框架来解释其对齐效应。

Comments Accepted to ICML 2026

2606.01649 2026-06-04 cs.CV

PhyScene3D: Physically Consistent Interactive 3D Tabletop Scene Generation

PhyScene3D：物理一致的交互式3D桌面场景生成

Weixing Chen, Zhuoqian Feng, Yang Liu, Yexin Zhang, Yifan Wen, Yinghong Liao, Weichao Qiu, Guanbin Li, Liang Lin

机构 * Sun Yat-sen University, China（中山大学）； Peng Cheng Laboratory（鹏城实验室）； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室）； Huawei（华为）

AI总结提出PhyScene3D框架，通过认知拓扑推理链和物理感知去噪对齐，解决3D桌面场景生成中的物理一致性问题，显著降低碰撞率。

Comments 23 pages, 5 figures, accepted by ICML 2026

2606.01537 2026-06-04 cs.CV cs.LG

PaCX-MAE: Physiology-Augmented Chest X-Ray Masked Autoencoder

PaCX-MAE: 生理增强的胸部X光掩码自编码器

Yancheng Liu, Kenichi Maeda, Manan Pancholy

机构 * University of California, Berkeley（加州大学伯克利分校）； University of Tokyo（东京大学）； University of Michigan（密歇根大学）

AI总结提出PaCX-MAE跨模态蒸馏框架，通过双对比预测目标将生理先验注入胸部X光编码器，在保持单模态推理的同时提升生理相关任务性能。

Comments Accepted at the ICML 2026 3rd Workshop on Multi-modal Foundation Models and Large Language Models for Life Sciences (FM4LS)

2511.05924 2026-06-04 cs.LG

DiScoFormer: Plug-In Density and Score Estimation with Transformers

DiScoFormer: 基于Transformer的即插即用密度与得分估计

Vasily Ilin, Peter Sushko, Ranjay Krishna

机构 * Department of Mathematics, University of Washington, Seattle, USA ； Math AI Lab, University of Washington, Seattle, USA ； Allen Institute for Artificial Intelligence, Seattle, USA ； Paul G.\ Allen School of Computer Science \& Engineering, University of Washington, Seattle, USA

AI总结提出DiScoFormer，一种可一次训练、任意推理的等变Transformer，通过自注意力机制实现跨分布和样本规模的密度与得分估计，证明其泛化核密度估计并优于KDE。

Comments Accepted in ICML 2026 (oral)

2509.23694 2026-06-04 cs.AI cs.CL cs.CR

SafeSearch: Automated Red-Teaming of LLM-Based Search Agents

SafeSearch: 基于LLM的搜索代理的自动化红队测试

Jianshuo Dong, Sheng Guo, Hao Wang, Xun Chen, Zhuotao Liu, Tianwei Zhang, Ke Xu, Minlie Huang, Han Qiu

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结提出SafeSearch自动化红队框架，系统评估基于LLM的搜索代理在五个风险类别中的安全性，发现GPT-4.1-mini在搜索工作流中攻击成功率高达90.5%，且常见防御措施效果有限。

Comments Accepted by ICML 2026

2605.11130 2026-06-04 cs.LG cs.AI

HEPA: A Self-Supervised Horizon-Conditioned Event Predictive Architecture for Time Series

HEPA: 一种用于时间序列的自监督水平条件事件预测架构

Jonas Petersen, Gian-Alessandro Lombardi, Riccardo Maggioni, Camilla Mazzoleni, Federico Martelli, Philipp Petersen

机构 * ETH Zurich（苏黎世联邦理工学院）； Forgis ； University of Vienna（维也纳大学）

AI总结提出HEPA架构，通过因果Transformer编码器联合嵌入预测（JEPA）预训练和仅微调预测器生成单调生存累积分布函数，在14个基准测试中超过PatchTST等模型，参数和标注数据量减少一个数量级。

Comments Spotlight at FMSD, ICML 2026. Code: https://github.com/Forgis-Labs/HEPA

2605.09081 2026-06-04 cs.LG cs.AI

FactoryNet: A Large-Scale Dataset toward Industrial Time-Series Foundation Models

FactoryNet：面向工业时间序列基础模型的大规模数据集

Karim Othman, Jonas Petersen, Matei Ignuta-Ciuncanu, Camilla Mazzoleni, Federico Martelli, Alessandro Lombardi, Riccardo Maggioni, Philipp Petersen

机构 * ETH Zurich（苏黎世联邦理工学院）

AI总结提出首个工业时间序列通用预训练语料库FactoryNet，通过统一模式实现跨实体零样本迁移和高效异常检测。

Comments Accepted at AI4Physics and FMSD, ICML 2026. Code: https://github.com/Forgis-Labs/FactoryNet

2602.05725 2026-06-04 cs.LG math.OC stat.ML

Muon in Associative Memory Learning: Training Dynamics and Scaling Laws

联想记忆学习中的Muon：训练动力学与缩放定律

Binghui Li, Kaifei Wang, Han Zhong, Pinyan Lu, Liwei Wang

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结本文在联想记忆模型中研究Muon优化器的训练动力学和缩放定律，证明其相比梯度下降在无噪声情况下实现指数加速，在有噪声情况下具有更优的缩放效率。

Comments Published as a conference paper at ICML 2026; 53 pages

2605.24782 2026-06-04 cs.LG

The Perception-Physics Paradox: Probing Scientific Alignment with TC-Bench

感知-物理悖论：用TC-Bench探究科学对齐

Dingling Yao, Andrea Polesello, Adeel Pervez, Caroline Muller, Francesco Locatello

机构 * ETH Zurich（苏黎世联邦理工学院）； DeepMind ； University of Cambridge（剑桥大学）； University of Amsterdam（阿姆斯特丹大学）； University of Toronto（多伦多大学）

AI总结本文提出科学对齐概念，通过结构同构性构建层次化必要条件，并发布TC-Bench基准数据集，揭示视觉基础模型在极端条件下依赖视觉捷径而非科学推理。

Comments Accepted at ICML 2026

2605.20654 2026-06-04 cs.LG cs.AI

REFLECTOR: Internalizing Step-wise Reflection against Indirect Jailbreak

REFLECTOR: 内化逐步反思以对抗间接越狱

Jiachen Ma, Jiawen Zhang, Xiangtian Li, Bo Zou, Chaochao Lu, Chao Yang

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结提出REFLECTOR两阶段框架，通过教师引导生成反思数据并进行监督微调，再结合强化学习内化自主反思能力，在复杂间接攻击下实现超过90%的防御成功率，同时提升通用性能。

Comments ICML 2026

2605.20468 2026-06-04 cs.LG stat.ME stat.ML

CASCADE Conformal Prediction: Uncertainty-Adaptive Prediction Intervals for Two-Stage Clinical Decision Support

CASCADE 共形预测：两阶段临床决策支持的不确定性自适应预测区间

Ricardo Diaz-Rincon, Muxuan Liang, Adolfo Ramirez-Zamora, Benjamin Shickel

机构 * University of Florida（佛罗里达大学）； MD Anderson Cancer Center（MD安德森癌症中心）； University of Louisville（路易斯维尔大学）

AI总结提出 CASCADE 共形预测框架，通过传播分类器认知不确定性动态调整回归预测区间，在帕金森病用药管理中实现高效且鲁棒的区间估计。

Comments Accepted to ICML 2026 AgenticUQ Workshop. 14 Pages, 3 Figures

2605.19852 2026-06-04 cs.CL

Are Tools Always Beneficial? Learning to Invoke Tools Adaptively for Dual-Mode Multimodal LLM Reasoning

工具总是有益的吗？学习自适应调用工具以实现双模式多模态大语言模型推理

Qinghe Ma, Zhen Zhao, Yiming Wu, Jian Zhang, Lei Bai, Yinghuan Shi

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结提出AutoTool模型，通过强化学习框架自适应决定是否调用工具，结合双模式推理策略和模式特定奖励函数，在提升准确率的同时降低推理开销。

Comments Accepted to ICML 2026

2605.14054 2026-06-04 cs.AI cs.CV

Bad Seeing or Bad Thinking? Rewarding Perception for Multimodal Reasoning

Haozhe Wang, Qixin Xu, Changpeng Wang, Taofeng Xue, Chong Peng, Wenhu Chen, Fangzhen Lin

机构 * University of Science and Technology of China（中国科学技术大学）

AI总结提出一种基于强化学习的模态感知信用分配框架（MoCA），通过感知验证和结构化口头验证解决视觉语言模型中感知与推理的权衡问题，实现多任务性能提升。

Comments Accepted by ICML 2026 as Oral

2605.00182 2026-06-04 cs.LG

Towards A Generative Protein Evolution Machine with DPLM-Evo

迈向生成式蛋白质进化机器：DPLM-Evo

Xinyou Wang, Liang Hong, Jiasheng Ye, Zaixiang Zheng, Yu Li, Shujian Huang, Quanquan Gu

机构 * Nanjing University（南京大学）； CUHK（香港大学）； Fudan University（复旦大学）； ByteDance（字节跳动）

AI总结提出DPLM-Evo，一种显式建模替换、插入和删除操作的进化离散扩散框架，在单序列设置下实现蛋白质突变效应预测的最优性能，并支持变长模拟进化与蛋白质编辑优化。

Comments A peer-reviewed version was accepted to ICML 2026

2602.02834 2026-06-04 cs.LG cs.AI

What Structural Inductive Bias Helps Transformers Reason Over Knowledge Graphs? A Study with Tabula RASA

什么结构归纳偏置帮助Transformer在知识图谱上进行推理？Tabula RASA研究

Jonas Petersen, Camilla Mazzoleni, Gian-Alessandro Lombardi, Federico Martelli, Riccardo Maggioni

机构 * ETH Zurich（苏黎世联邦理工学院）

AI总结通过最小化Transformer修改的消融实验，发现稀疏邻接掩码是驱动多跳推理的主要结构归纳偏置，而关系参数贡献有限。

Comments Accepted at GFM, ICML 2026

2605.07724 2026-06-04 cs.LG cs.AI

Curated Synthetic Data Doesn't Have to Collapse: A Theoretical Study of Generative Retraining with Pluralistic Preferences

策展合成数据不会崩溃：具有多元偏好的生成式再训练的理论研究

Ali Falahati, Mohammad Mohammadi Amiri, Kate Larson, Lukasz Golab

机构 * University of Washington（华盛顿大学）

AI总结通过理论分析证明，基于多个奖励函数进行策展的递归训练可以避免生成模型崩溃，并收敛到满足加权纳什议价解的稳定分布。

Comments Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

2605.00593 2026-06-04 cs.NI

Inductive Latent Context Persistence: Closing the Post-Handover Cold Start in 6G Radio Access Networks

归纳潜在上下文持久化：解决6G无线接入网络中的切换后冷启动问题

Anubhab Banerjee, Daniyal Amir Awan

AI总结提出归纳潜在上下文持久化（ILCP）方法，通过压缩源循环状态并在Xn接口传输128字节载荷，在目标gNB适配，解决GNN方法中切换后丢失UE历史状态导致的冷启动问题，在维也纳4G/5G路测中实现0.0%乒乓切换，后切换准确率平均提升5.1个百分点。

Comments submitted to 'AI for Next G' workshop, co-located with ICML 2026

Journal ref Proceedings of the ICML 2026 Workshop on AI4NextG

2603.23841 2026-06-04 cs.CL cs.AI

PoliticsBench: Benchmarking Political Values in Large Language Models with Multi-Turn Roleplay

PoliticsBench: 通过多轮角色扮演基准测试大型语言模型中的政治价值观

Rohan Khetan, Ashna Khetan

机构 * Northville High School, Northville, USA（北维尅高中）； Department of Computer Science, Stanford University, Stanford, USA（斯坦福大学计算机科学系）

AI总结提出PoliticsBench，一个多阶段角色扮演基准，通过20个演化场景评估LLM的细粒度价值表达，发现场景提示比直接提问能引发更广泛和强烈的价值表达。

Comments 7 pages, 5 tables, 5 figures, 4 appendix pages. Accepted to the ICML 2026 Trustworthy AI for Good Workshop

2603.20304 2026-06-04 cs.CV

Transferable Multi-Bit Watermarking Across Frozen Diffusion Models via Latent Consistency Bridges

跨冻结扩散模型的可迁移多位水印：基于潜在一致性桥

Hong-Hanh Nguyen-Le, Van-Tuan Tran, Thuc D. Nguyen, Nhien-An Le-Khac

机构 * National Institute of Advanced Intelligence Science and Technology, Japan（日本国家先进人工智能科学与技术研究院）

AI总结提出DiffMark，一种即插即用的多位水印框架，通过潜在一致性模型实现高效训练，在单个前向传播中提取64位水印，速度提升45倍，并支持跨架构迁移。

Comments Accepted in Second Workshop on Technical AI Governance Research (TAIGR) @ ICML 2026

2512.14099 2026-06-04 cs.CV

ViewMask-1-to-3: Multi-View Consistent Image Generation via Multimodal Discrete Diffusion Models

ViewMask-1-to-3: 通过多模态离散扩散模型实现多视图一致图像生成

Ruishu Zhu, Zhihao Huang, Jiacheng Sun, Ping Luo, Hongyuan Zhang, Xuelong Li

机构 * Nanyang Technological University（南洋理工大学）

AI总结提出ViewMask-1-to-3，将多视图生成建模为离散序列预测问题，利用MAGVIT-v2视觉令牌和掩码令牌预测的离散扩散，通过迭代去掩码实现渐进式多视图生成，无需专门架构或3D几何先验，在GSO和3D-FUTURE基准上优于基线方法。

Comments Accepted by ICML 2026

2602.12147 2026-06-04 cs.LG

It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks

是时候了：迈向下一代时间序列预测基准

Zhongzheng Qiao, Sheng Pan, Anni Wang, Viktoriya Zhukova, Yong Liu, Xudong Jiang, Qingsong Wen, Mingsheng Long, Ming Jin, Chenghao Liu

机构 * University of Science and Technology of China（中国科学技术大学）； Tsinghua University（清华大学）

AI总结针对现有时间序列基准在数据组成、完整性、任务设计和分析视角上的局限，提出TIME基准，包含50个新数据集和98个预测任务，采用人机协作管道确保数据完整性，并引入模式级评估视角，对12个基础模型进行多粒度排名。

Comments Accepted to ICML 2026. Camera-ready version

2603.03482 2026-06-04 cs.CV cs.AI cs.LG

Beyond Pixel Histories: World Models with Persistent 3D State

超越像素历史：具有持久3D状态的世界模型

Samuel Garcin, Thomas Walker, Steven McDonagh, Tim Pearce, Hakan Bilen, Tianyu He, Kaixin Wang, Jiang Bian

机构 * University of Edinburgh（爱丁堡大学）； Microsoft Research（微软研究院）

AI总结提出PERSIST范式，通过模拟潜在3D场景（环境、相机、渲染器）的演化，实现具有持久空间记忆和一致几何的世界模型，显著提升3D一致性、空间记忆和长期稳定性。

Comments Accepted to the International Conference on Machine Learning (ICML) 2026. To appear in the Proceedings of Machine Learning Research (PMLR). 9 pages

2603.03205 2026-06-04 cs.CL

Learning When to Act or Refuse: Guarding Agentic Reasoning Models for Safe Multi-Step Tool Use

学习何时行动或拒绝：为安全的多步骤工具使用守护代理推理模型

Aradhye Agarwal, Gurdit Siyan, Yash Pandya, Joykirat Singh, Akshay Nambi, Ahmed Awadallah

机构 * Microsoft Research（微软研究院）

AI总结提出MOSAIC框架，通过显式安全推理和基于偏好的强化学习，使代理模型在工具使用中安全决策，减少有害行为并保持良性性能。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

2602.23214 2026-06-04 cs.CV cs.LG eess.IV

Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction

即插即用扩散遇见ADMM：双变量耦合用于鲁棒医学图像重建

Chenhe Du, Xuanyu Tian, Qing Wu, Muyu Liu, Jingyi Yu, Hongjiang Wei, Yuyao Zhang

机构 * ShanghaiTech University（上海科技大学）； Shanghai Jiao Tong University（上海交通大学）

AI总结提出双耦合即插即用扩散（DC-PnPDP）框架，通过引入经典对偶变量提供积分反馈并采用频谱均匀化（SH）处理结构伪影，解决了现有PnP求解器的稳态偏差和幻觉问题，在CT和MRI重建中实现了最先进的保真度和加速收敛。

Comments Accepted by ICML 2026