Stochastic Order Learning: An Approach to Rank Estimation Using Noisy Data
随机序学习：一种使用噪声数据进行秩估计的方法
AI总结 研究标签噪声下的秩估计问题，提出随机序学习（SOL）框架，通过判别损失和随机序损失两个互补目标捕捉不确定性并学习嵌入空间，实验证明该框架能在多种标签噪声下实现可靠秩估计。
Comments Accepted to ICML 2026
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
When Thinking Hurts: Epistemic Signals in the Reasoning Chains of Visual Language Models
当思考有害时：视觉语言模型推理链中的认知信号
AI总结 研究视觉语言模型推理链中的认知信号，通过在相同对抗样本上运行四个模型，发现不同模型的答案熵行为模式有差异，思考链熵在部分情况下优于答案熵，还发现结构化弃权及其实用弃权门可提升准确率。
Comments 7 pages, 2 figures, 5 tables. Oral paper at the 2nd Workshop on Epistemic Intelligence in Machine Learning (EIML@ICML 2026), Seoul, South Korea
Rethinking Small VLM Quantization: From Component-Wise Analysis to Hardware-Aware Edge Deployment
重新思考小型视觉语言模型量化：从组件级分析到硬件感知边缘部署
AI总结 本文针对小型视觉语言模型量化，提出系统评估框架，在特定硬件上验证五个假设，分离相关组件得出结论，包括量化敏感性受结构范式影响、SigLIP编码器延迟情况、大语言模型INT4量化利弊、复合量化误差特点及不同平台每焦耳智能差异。
Comments 14 pages. Accepted at the ICML 2026 Workshop on Hypothesis Testing
Towards the Explainability of Temporal Graph Networks via Memory Backtracking and Topological Attribution
通过记忆回溯和拓扑归因实现时间图网络的可解释性
AI总结 研究如何增强时间图网络（TGNs）的可解释性，通过拓扑归因树和记忆回溯树对其预测进行归因，应用LRP并设计优化目标，在九个时间图数据集实验中表现出色，提供可靠解释且优于基线。
Comments ICML 2026 Spotlight
Deployment-Time Memorization in Foundation-Model Agents
基础模型智能体中的部署时记忆
机构 * Lei (Rachel) Chen ； Guilin Zhang ； Kai Zhao ； Dalmo Cirne ； Andy Olsen ； Zeke Miller ； Xu Chu ； Alet Blanken ； Amine Anoun ； Jerry Ting
AI总结 研究基础模型智能体在部署时记忆的设计选择如何影响个性化效用、提取风险和删除保真度，提出遗忘残差分数并揭示压缩与删除的权衡。
Comments 4 pages, ICML MemFM 2026 Workshop
Tensor Train Diffusion: Leveraging Low-Rank Structures for High-Dimensional Score-Based Sampling
张量列车扩散：利用低秩结构进行高维基于分数的采样
AI总结 研究如何利用低秩结构进行高维基于分数的采样，提出基于函数张量列车格式求解HJB方程的方法，结合反向迭代方案，克服现有技术瓶颈，实现从复杂目标分布高效高保真采样。
Journal ref ICML 2026
RL Post-Training Builds Compositional Reasoning Strategies
强化学习后训练构建组合推理策略
AI总结 研究强化学习后训练能否组合原始技能成高级策略，通过在可观察环境实验发现，强化学习能解决预训练模型难题，通过分阶段组合机制重组能力，组合过程可复用巩固，与拒绝微调关键差异在选择性，预训练消融表明其对组合策略出现有影响。
Comments 8 pages, 6 figures. Accepted to the 2nd Workshop on Compositional Learning at ICML 2026, Seoul, South Korea
Creativity from Friction: Human-AI Interaction for Exploratory Structural Design
摩擦产生创造力：用于探索性结构设计的人机交互
机构 * Block Research Group, Department of Architecture, ETH Zurich（建筑系，苏黎世联邦理工学院） ； IVIA Lab, Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 探讨当前生成式AI目标与结构设计师等创作者需求的偏差，提出允许受限人机共同创作的系统设计维度，通过试点设计界面和专家研究，展示其对设计空间探索的支持及设计师看法。
Comments Accepted at ICML 2026, Workshop on Human-AI Co-Creativity
A Theory of Contrastive Learning with Natural Images
一种基于自然图像的对比学习理论
AI总结 研究简单图像与增强方式的对比学习为何能为下游任务产生有用表征。核心方法是依据对比损失解析计算最优表征，贡献为揭示特定增强方式下最优 CNN 的结构及权重特点，实验验证其有效性。
Comments ICML 2026
FMMVCC: Fuzzy Mamba-based Multi-View Contrastive Clustering for Univariate Time Series
FMMVCC：基于模糊曼巴的单变量时间序列多视图对比聚类
AI总结 针对大量带有限或昂贵注释的时间序列数据，介绍基于曼巴的深度聚类框架FMMVCC。它利用状态空间序列建模及多视图自监督学习，在15个基准数据集实验中优于现有基线，在多指标评估中表现出色。
Journal ref Proc. 2026 6th International Conference on Machine Learning and Intelligent Systems Engineering (MLISE), IEEE, 2026
Continual Learning With Participation Privacy: An Auditable Buffering-Aggregation Recipe
具有参与隐私的持续学习：一种可审计的缓冲聚合方法
机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 研究单编辑相邻用户流的持续学习隐私问题，提出模块化方法，用随机缓冲包装器处理，证明认证定理，使标准原语产生轨迹级差分隐私，建立隐私与延迟联系。
Comments This version corrects and clarifies the independent-decomposability condition underlying the adaptive-safety result in the ICML 2026 paper, with corresponding revisions to the affected statements and proofs
Rethinking Multimodal Time-Series Forecasting Evaluation
重新思考多模态时间序列预测评估
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google Research（谷歌研究院）
AI总结 研究针对现有多模态时间序列预测基准的问题，引入TimesX基准，通过自动数据生成管道获取多样真实世界时间序列。经实证研究发现，一些在现有基准上好的方法在TimesX上可能失败，而利用文本上下文的简单集成方法表现出色。
Journal ref Published in ICML 2026
End-to-End LLM Flight Planning with RAG-based Memory and Multi-modal Coach Agent
基于基于检索增强生成的记忆和多模态教练代理的端到端大语言模型飞行规划
机构 * George Washington University（乔治华盛顿大学） ； Metis Solutions Technology Inc
AI总结 针对电动垂直起降飞机部署中传统飞行规划算法难以融入人类偏好的问题，提出FRAMe工具，集成规划器LLM、多模态教练代理和基于RAG的记忆，在多场景演示中效果最佳，能将自然语言指令转化为优质飞行路线。
Comments Accepted at the ICML 2026 LM4Plan Workshop
Geometric Collapse: When Vision Models Fail to Verify Physical Causality
几何崩溃：视觉模型何时无法验证物理因果关系
机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； The Chinese University of Hong Kong（香港中文大学） ； AgentecFusion Limited（AgentecFusion有限公司） ； School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）
AI总结 研究视觉模型在验证物理因果关系时的问题，提出“Scrambled Edges”方法，通过特定控制分离无支撑边缘证据影响，实验表明该方法使预测偏差增大，几何崩溃全局传播，为改进模型物理合理性提供依据。
Comments ICML 2026
Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics
评估用于计算和实验数学的SageMath增强型大语言模型智能体
机构 * The Sage Developers（Sage开发者团队）
AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。
Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026
When Agents Go Rogue: Activation-Based Detection of Malicious Behaviors in Multi-Agent Systems
当智能体行为异常时：基于激活的多智能体系统恶意行为检测
AI总结 针对多智能体系统面临的安全挑战，提出基于激活的框架AcMAS，通过分析智能体激活空间中的推理状态检测隐蔽攻击，不依赖交互图，还能恢复受损智能体功能，在检测隐蔽攻击上显著优于基线方法。
Comments Accepted to ICML 2026
Robust Human-AI Complementarity under Uncertainty
不确定性下稳健的人机互补性
机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系）
AI总结 研究人类决策者与人工智能可用信息质量的不对称信息对提取互补价值能力的影响，指出关键是误差相关结构，当人工智能与人类预测误差负相关时，决策者可构建稳健策略，并用实际基准进行了实证研究。
Comments ICML 2026
Multiplication Beyond Groups: Stratified Fourier Mechanisms in Transformer Circuits
超越群的乘法：Transformer电路中的分层傅里叶机制
AI总结 研究小型变压器学习复合模上模整数乘法的方法，提出幺半群扩展，将输入空间划分区域，发现训练的变压器中嵌入、注意力等呈现特定特性，表明相关表示理论机制可超越群扩展到更一般结构。
Comments 29 pages, 15 figures. Spotlight at the Mechanistic Interpretability Workshop at ICML 2026. First three authors contributed equally. Code at https://github.com/uw-math-ai/interpreting-monoids
Beyond Heuristic Tuning: Power-Calibrated LLM Watermarking
超越启发式调优：功率校准的大语言模型水印
机构 * Department of Statistics, Pennsylvania State University（统计学系，宾夕法尼亚州立大学）
AI总结 研究大语言模型水印，针对现有基于对数几率水印在可检测性和语义失真权衡及超参数选择上的问题，开发功率校准统计框架，建立相关定量关系，推导出实用参数选择程序，经实验验证可识别帕累托最优点。
Comments Accepted ICML 2026
Higher-Order Certified Robustness for Regression
回归的高阶认证鲁棒性
AI总结 研究回归的对抗鲁棒性问题，提出新颖框架，推导以预测为中心的证书保证稳定性与可计算性，通过纳入均值、方差和梯度构建证书，在MNIST旋转任务中利用梯度信息得到更严格的鲁棒性证书。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
RSF-GLLM: Bridging the Semantic Gap in Multi-Hop Knowledge Graph QA via Recurrent Soft-Flow and Decoupled LLM Generation
RSF-GLLM：通过循环软流和去耦语言模型生成弥合多跳知识图谱问答中的语义鸿沟
机构 * Adobe Research（Adobe研究院） ； Adobe Systems（Adobe系统公司）
AI总结 研究多跳知识图谱问答中传统方法的语义鸿沟问题，提出RSF-GLLM框架，通过循环软流模块传播分数、引入正则化保证收敛，提取路径微调LLM，实验证明该方法性能优且推理效率高。
Comments Accepted for publication in ICML 2026 as a full research paper; 21 pages
Bridging Physical Reasoning and Task Generalization via Visual Action Outcome Reasoning Alignment
通过视觉动作结果推理对齐实现物理推理与任务泛化的桥梁
机构 * National Taiwan University（国立台湾大学） ； The University of California, Merced（加州大学默塞德分校）
AI总结 研究针对视觉语言模型在物理推理中难以泛化的问题，提出VAORA奖励设计，包括视觉对齐奖励和视觉-动作对齐奖励，通过预训练专家估计概率实现平滑密集奖励，经实验验证可有效提升模型在新任务和未见环境中的物理推理性能。
Comments ICML'26 Workshop RLxF: Reinforcement Learning from World Feedback
Analysis-by-Proxy: Localization Signals in VLMs Operating as Condition Encoders
代理分析：作为条件编码器的视觉语言模型中的定位信号
机构 * Tel Aviv University, Tel Aviv, Israel（特拉维夫大学） ； Google DeepMind（谷歌DeepMind）
AI总结 研究视觉语言模型（VLMs）作条件编码器时编辑管道定位性能差的问题，引入代理分析框架，通过训练代理模型分析VLM中间表示来揭示编码定位信息的表示，发现现有条件提取策略缺陷，为条件架构设计提供新思路。
Comments Accepted as a Spotlight at the ICML 2026 Mechanistic Interpretability Workshop
Canopy: A Heterograph Foundation Model for Metabolic Engineering
Canopy：用于代谢工程的异构图基础模型
机构 * an in-house laboratory information management system (LIMS)（一个内部实验室信息管理系统（LIMS））
AI总结 代谢工程中设计高产微生物菌株有挑战，Canopy异构图基础模型集成多数据源成知识图谱，用特定模型编码特征，经自监督目标预训练，在发酵滴度预测任务中表现优于基线。
Comments Accepted at ICML GenBio Workshop 2026 https://openreview.net/forum?id=H8bvgKoT7j
Flow Matching-Based Speech Source Separation with Best-of-N Biometric Sampling
基于最佳N生物特征采样的流匹配语音源分离
机构 * NVIDIA（英伟达）
AI总结 针对单通道语音分离难题，提出基于条件流匹配的方法，训练时用冻结说话人编码器定义源顺序，推理时用于生物特征最佳N候选选择等，在Libri2Mix基准上评估，该方法在分离指标及下游任务中表现出色。
Comments Accepted at the ICML 2026 Workshop on Machine Learning for Audio
Multimodal Video-to-Music Recommendation via Semantic Retrieval and Temporal Reranking
通过语义检索和时间重排实现多模态视频到音乐推荐
机构 * Graduate School of Culture Technology, KAIST（韩国釜山科学技术大学文化科技研究生院） ； Gaudio Lab, Inc（Gaudio实验室）
AI总结 提出用于视频到音乐推荐的两阶段框架VTMR，第一阶段通过全局嵌入检索语义兼容候选，第二阶段关注时间序列重排。实验显示该框架能提升推荐效果，人类偏好研究表明其在总体偏好上与商业基线相当，音乐质量优于生成基线。
Comments Accepted for publication at The Machine Learning for Audio workshop at ICML 2026
When Should LLMs Search? Counterfactual Supervision for Search Routing
大语言模型何时应进行搜索？搜索路由的反事实监督
机构 * Minho Kim
AI总结 研究大语言模型搜索路由问题，通过比较无搜索和强制搜索结果构建预言机，以其为评估标准和学习信号，用监督微调及偏好优化训练策略，提升了Gemma E2B和Qwen3.5 - 4B的路由宏F1，减少特定模型路由失败并揭示相关瓶颈。
Comments 20 pages, 10 figures. Accepted at the FAGEN Workshop at ICML 2026
Design-CP: Context Parallelism for Design of Protein Nanoparticles
Design-CP：用于蛋白质纳米颗粒设计的上下文并行
AI总结 研究针对全原子生成蛋白质模型内存受限问题，提出 Design-CP 上下文并行推理策略，用于 RFdiffusion 3，在多 GPU 上扩展设计能力，可用于二十面体和八面体纳米颗粒设计，推动大型组装蛋白质设计发展。
Comments Accepted at the 2026 Workshop on Generative and Agentic AI for Biology (ICML 2026)
Optimism as a Vulnerability: Deceptive Stackelberg Control of UCB Bandit Followers
作为一种脆弱性的乐观主义：UCB 策略跟随者的欺骗性斯塔克尔伯格控制
AI总结 研究有限 horizon 重复斯塔克尔伯格博弈中 UCB 策略跟随者面对领导者的情况，提出欺骗性领导者机制，通过蜜罐和陷阱阶段操控，使领导者累积效用超经典 SSE 上限，且操纵成本有界，揭示静态与动态激励的不兼容性。
Comments Accepted to the NExT-Game Workshop (New Frontiers in Game-Theoretic Learning) at ICML 2026. To be presented July 11, 2026, Seoul, South Korea
Position: Preventing AI-Generated CSAM Necessitates New Approaches to AI Safety
立场：防止人工智能生成的儿童性虐待材料需要新的人工智能安全方法
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Thorn
AI总结 研究人工智能给儿童安全带来的新风险，指出保护儿童免受其助长的性虐待需新安全方法。探讨现有技术与相关约束的不兼容及带来的挑战，概述15个开放性问题并给出针对性建议，推动将负责任AI原则转化为儿童保护措施。
Comments Accepted (spotlight) in ICML 2026, Position Paper Track. The first two authors contributed equally and may list their names interchangeably
