期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
SkelHCC：一种基于双曲CLIP驱动的缓存自适应框架用于骨架基础的一次动作识别
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出SkelHCC框架，利用双曲几何编码骨架层次结构，结合CLIP和免训练缓存实现一次动作识别，在三个数据集上达到最优。
Comments Accepted by ICML 2026
关注一切：统一人类注意力建模的基础模型
机构 * College of Computer Science, Sichuan University, Chengdu, 610065, China（四川大学计算机学院） ； National Key Laboratory of Fundamental Science on Synthetic Vision, Sichuan University, Chengdu, 610065, China（合成视觉基础科学国家重点实验室）
AI总结 提出 Attend to Anything Model (AAM)，一种多模态基础模型，通过层次化语言提示和双曲空间嵌入统一图像、视频和视听任务中的注意力建模，并在16个基准上平均提升6%，视频推理加速约4倍。
Comments Accepted to ICML 2026
PRISM: 通过自组织专家专业化协同视觉基础模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出PRISM框架，采用双流混合专家（MoE）架构，通过两阶段范式（先解构专家知识使其专业化，再动态重组为任务特定路径）解决视觉基础模型集成中的负迁移问题，在PASCAL-Context和NYUD-v2上达到新最优。
Comments Accepted to ICML 2026
IDO: 面向多模态假新闻检测的不一致性感知分布优化
机构 * Nanjing University（南京大学） ； University of Birmingham（伯明翰大学） ； East China Normal University（华东师范大学） ； Zhejiang University（浙江大学）
AI总结 提出不一致性感知分布优化（IDO）方法，通过事实不一致性和模态不一致性建模，提升多模态假新闻检测性能。
Comments Accept by GlobalSouthML@ICML 2026
IdEst: 通过内在维度评估自监督学习表示
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出IdEst方法，利用最小生成树维度估计器评估自监督学习表示的内在维度，发现其与下游线性探测性能强相关，并能高效选择超参数。
Comments ICML 2026
为下游任务定制严格适当的评分规则：因果推断中的应用
机构 * Inria（法国国家科学研究中心） ； CNRS（法国国家科学研究中心） ； Université de Paris（巴黎大学） ； Université de Paris-Saclay（巴黎-萨克雷大学）
AI总结 提出一种通过匹配下游误差指标的局部曲率来推导任务特定严格适当评分规则的框架，并将其应用于平均处理效应估计，导出了闭式损失函数及其对应的规范概率映射，实验表明该方法优于标准似然和协变量平衡方法。
Comments Accepted to ICML 2026
FLIPS：通过伪随机序列为LLMs进行实例指纹识别
机构 * Inria（法国国家信息与自动化研究所）
AI总结 提出FLIPS方法，利用生成的二进制随机序列中的偏差，在237个模型实例上实现96%（闭集）和90%（开集）的识别准确率，解决了现有指纹识别技术无法区分同一LLM不同配置的问题，为AI监管提供了实例级指纹识别新范式。
Comments 20 pages, 20 figures, 3 tables. 43rd International Conference on Machine Learning (ICML 2026)
学习多尺度超图用于高阶脑连接分析
机构 * KAIST（韩国科学技术院）
AI总结 提出自适应多尺度超边学习框架MuHL，通过构建层次节点特征并动态学习高阶交互，在多个脑网络基准上提升神经退行性疾病分类性能并识别关键脑区。
Comments 24 pages, Accepted to ICML 2026
大型语言模型中的多语言遗忘：迁移、动态与可逆性
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学）
AI总结 本文通过扩展TOFU基准到五种语言，研究大型语言模型中的多语言遗忘，发现遗忘迁移在不同语言间高度可变，且遗忘主要作用于后期解码层而非共享的跨语言潜在空间，因此可以通过推理时的单一引导方向逆转大部分遗忘效果。
Comments Accepted at ICML 2026
消息调优优于图提示调优：棱镜空间视角
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出棱镜空间理论（PS-Theory）量化图提示调优的适应能力上限，并引入消息调优（MTG）方法，通过注入可学习消息原型超越该上限，实验验证其优越性。
Comments Accepted by ICML 2026
物理对齐数据压缩的几何视角
AI总结 本文通过局部几何理论揭示了物理信息损失函数在科学数据压缩中导致的率失真权衡，并提出了基于主特征空间重叠的对齐诊断方法。
Comments Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
常见子结构可迁移吗？基于神经向量丛的黎曼图基础模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对图结构迁移性理论缺失的问题，提出基于黎曼几何的神经向量丛框架GAUGE，通过内在几何学习实现可迁移子结构表征，在零样本链接预测和图同构任务中验证了优越性。
Comments Accepted by ICML 2026
EqGINO: 面向3D PDE的等变几何信息傅里叶神经算子
机构 * University of Texas at Austin（得克萨斯大学奥斯汀分校）
AI总结 提出EqGINO框架，通过在谱域强制执行各向同性，实现离散对称性的精确等变，并泛化到任意连续旋转，有效建模3D PDE的坐标不变物理规律。
Comments ICML 2026
唯我论超级智能不太可能合作
机构 * DeepMind（深度Mind） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文指出，基于唯我论方法设计的超级智能（极端能力的任务求解器）因忽视部署引发的内生非平稳性而难以合作，呼吁将相互依存作为核心设计原则的非唯我论研究范式。
Comments 24 pages, 1 figure, Accepted at Proceedings of the 43rd International Conference on Machine Learning, 2026
基于信息增益的LLM智能体不确定性感知澄清
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对用户指令不明确导致LLM智能体工具操作错误的问题，提出一种以信息增益奖励为导向的澄清框架，通过贝叶斯信念更新量化澄清问题的效用，训练智能体生成高信息增益的澄清，在τ-Bench环境中将任务成功率提升3.7%，仅增加0.3个交互步骤。
Journal ref ICML 2026
GuidedBridge: 无需训练地利用先验引导改进桥接模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出无需训练的先验引导方法（PG）和频率调制先验引导（FMPG），通过对比弱先验与已见先验增强桥接模型的先验利用，并设计级联框架CFG-FMPG用于图像修复，实验证明该方法能一致提升预训练桥接模型在多种图像翻译任务中的性能。
Comments ICML 2026
TGV-KV：面向视觉语言模型的文本引导KV驱逐方法
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对视觉语言模型中视觉信息冗余导致的KV缓存内存消耗问题，提出基于文本引导的KV驱逐方法TGV-KV，通过文本-视觉预算分配、文本加权排序和文本优先保留策略，在保持高精度的同时显著提升推理吞吐量。
Comments Accepted by ICML-2026
CORE: 面向冲突的通用多模态篡改检测推理
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出CORE框架，通过构建冲突归因语料库和面向冲突的推理，增强多模态大语言模型的冲突捕捉能力，实现鲁棒且泛化的多模态篡改检测。
Comments Accepted by ICML 2026
BYORn：自举你的响应以防御大型视觉-语言模型的后门攻击
机构 * University of Rijeka（里耶卡大学）
AI总结 提出BYORn框架，通过识别并替换语义不合理的后门目标响应，打破触发器与目标输出的关联，从而在保持干净任务性能的同时提升对后门攻击的鲁棒性。
Comments Accepted to ICML 2026
光谱渐进式思维流：轻量级多模态推理
机构 * Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学信息学院） ； Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； University of Thessaly, Volos, Greece（塞萨洛尼基大学） ； Department of Electronic and Electrical Engineering, Trinity College Dublin, Dublin, Ireland（都柏林信任学院电子与电气工程系） ； School of Information Technology, Halmstad University, Halmstad, Sweden（哈姆斯塔德大学信息科技学院） ； Amazon AGI, Seattle, USA（亚马逊人工智能研究部）
AI总结 提出光谱渐进式思维流（SpecFlow），通过在固定大小离散余弦空间中表示中间视觉思维，并利用无分类器引导将视觉状态更新与文本意图对齐，实现轻量级多模态空间推理，在保持竞争性能的同时将计算和KV缓存成本降低高达2.1倍。
Comments Accepted at ICML 2026
学习一致表示：一种拓扑可解释性方法
机构 * University of Oslo（奥斯陆大学）
AI总结 提出基于脑神经编码启发的“一致性”几何约束，通过Fréchet方差目标函数Coh训练模型，使特征在样本空间中形成连续区域，从而提升表示的可解释性。
Comments To appear in ICML 2026
QUIVER: 用于大型机器学习模型中增强表示的量子信息视角
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学）
AI总结 提出QUIVER框架，通过变分量子电路提取量子Fisher信息矩阵作为几何特征，与经典特征融合以提升大型机器学习模型性能，并在QM9和JetClass数据集上验证了有效性。
Comments 9 pages, 1 figure and 2 tables. Accepted as a poster at the AI4Physics Workshop, ICML 2026 (Seoul, South Korea)
AVTrack: 以人为中心的复杂场景中的视听跟踪
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对现有视听跟踪数据集局限于简单场景的问题，提出AVTrack数据集，通过包含相机运动、视觉遮挡和位置变化等复杂动态条件，评估并提升鲁棒的人为中心视听场景理解。
Comments 19 pages, 10 figures, ICML 2026
D-Judge: 使用语义保持输出重写破坏多轮越狱攻击
机构 * University of California, Berkeley（加州大学伯克利分校） ； International Computer Science Institute（国际计算机科学研究所） ； University of California, Riverside（加州大学河滨分校） ； Lawrence Berkeley National Laboratory（伯克利国家实验室）
AI总结 提出D-Judge防御方法，通过语义保持的输出重写干扰攻击者的评判模型反馈循环，从而降低多轮越狱攻击的成功率。
Comments Proceedings of the 43rd International Conference on Machine Learning
几何感知表格扩散
AI总结 提出几何感知表格扩散（GATD），通过向扩散去噪器注入列值差异的成对角度和长度作为输入和辅助目标，以显式建模列间关系，在10个数据集上以更少参数取得SOTA性能。
Comments Accepted to the ICML 2026 main track. 24 pages, 10 figures, 22 tables
测试测试：类分割异常检测中的分数方向不稳定性
AI总结 本文通过提出邻域类泄漏诊断方法，揭示了类分割异常检测协议在异常类与正常混合重叠时分数方向不稳定的问题，并建议将其视为几何依赖的压力测试。
Comments 4+1 pages, 1 figure, accepted at ICML 2026 Workshop on Hypothesis Testing
Bregman遇见Lévy：具有重尾噪声的随机镜像下降在连续和离散时间中
机构 * Univ. Grenoble Alpes, CNRS, Inria, Grenoble INP, LIG（格拉诺布尔阿尔卑斯大学、国家科学研究中心、法国国家信息与自动化研究所、格拉诺布尔INP、实验室）
AI总结 研究随机镜像下降在重尾噪声下的鲁棒性，通过引入Lévy镜像流连续时间模型，证明其在凸和强凸目标下达到ε-最优的时间复杂度，并推导出离散时间匹配保证。
Comments 68 pages, 3 figures; to appear in the proceedings of ICML 2026
部分可观测马尔可夫决策过程中的值函数半代数集
AI总结 本文刻画了无限时域部分可观测马尔可夫决策过程（POMDP）中无记忆随机策略下可行值函数的几何结构，将其表示为由多项式不等式定义的半代数集，并揭示了部分可观测性导致的非线性约束和孤立局部极大值现象。
Comments 39 pages, 5 figures
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
自进化语言模型推理中的泛化差距
机构 * Google Research（谷歌研究） ； Harvard University（哈佛大学） ； Google（谷歌） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 本文研究严格闭环设置下自进化算法与完美监督之间的差距，发现多轮批评-修正策略可接近完美监督性能，但自进化仍存在非平凡差距。
Comments Published at ICML 2026
RADE: 随机增删边作为正则化器
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出随机增删边方法RADE，同时解决图神经网络过拟合和长程信息过压缩问题，通过训练-推理对齐实现无分布偏移的正则化，并自适应调整增删率。
Comments 27 pages, 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