期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
通过早退机制控制语言模型中有害上下文的风险
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊人工智能实验室） ； Amazon Alexa（亚马逊Alexa）
AI总结 提出一种结合动态早退预测与无分布风险控制的方法，限制有害上下文对语言模型性能的退化，并在有益上下文中实现计算效率提升。
Comments Accepted to ICML 2026
通过标准化威胁狩猎评估LLM辅助蓝队
机构 * State University of New York at Binghamton（纽约州立大学布ingham顿分校） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Duke University（杜克大学）
AI总结 本文提出CyberTeam基准，通过构建标准化工作流和模块化操作步骤，评估大语言模型在蓝队威胁狩猎中的有效性，并揭示标准化设计带来的改进与开放式推理的局限性。
Comments ICML'26
生成式4D世界中的可扩展射频仿真
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出WaveVerse框架，通过语言引导的4D世界生成器和物理信号模拟器实现可扩展的射频信号仿真，在相位敏感基准上表现高保真度，并有效提升下游任务性能。
Comments Accepted to ICML 2026
立场：文本嵌入应捕获隐含语义，而不仅仅是表面意义
机构 * National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文主张文本嵌入研究应从表面意义转向隐含语义，通过试点研究揭示现有模型在隐含语义任务上的局限，并提出范式转变以优先发展语言学基础训练数据、深层语义基准和核心建模目标。
Comments To appear in ICML 2026
在线公平分配与额外信息
机构 * Harvard University, USA（哈佛大学） ； Shanghai University of Finance and Economics, China（上海财经大学） ； University of Oxford, UK（牛津大学）
AI总结 研究在线公平分配不可分割物品问题，通过引入归一化信息和频率预测，实现了比以往更强的公平性保证，并提供了学习增强的鲁棒变体。
Comments Appears in the 43rd International Conference on Machine Learning (ICML), 2026
EPiC: 基于精确锚点视频引导的高效视频摄像机控制学习
AI总结 提出EPiC框架，通过基于首帧可见性掩码构建精确对齐的锚点视频，并引入轻量模块Anchor-ControlNet，以极低参数实现高效、精确的3D摄像机控制，在RealEstate10K和MiraData上达到最先进性能。
Comments Accepted to ICML 2026. Project website: https://zunwang1.github.io/Epic
离线多智能体强化学习通过序列得分分解
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）数据科学学院） ； School of Computer Science, Tongji University, Shanghai, China（同济大学计算机科学学院） ； Vector Institute（向量研究所）
AI总结 针对离线合作多智能体强化学习中联合动作空间高维和异质行为数据导致的策略分布偏移问题，提出序列得分函数分解方法，利用扩散模型从多模态离线数据中学习每个智能体的正则化信号，指导策略更新至高分、分布内区域，在多个粒子环境和多智能体MuJoCo基准上实现最先进性能。
Comments ICML 2026 Accepted
Journal ref Forty-Third International Conference on Machine Learning, 2026
KAN-AD：基于Kolmogorov-Arnold网络的时间序列异常检测
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study, University of the Chinese Academy of Sciences（中国科学院大学杭州高等研究 institute） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Frontier Sciences, Nanjing University（南京大学前沿科学学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 针对时间序列异常检测中预测模型易过拟合局部波动的问题，提出用截断傅里叶展开替代B样条的KAN-AD方法，通过强调全局模式并抵抗局部扰动，在四个基准上平均检测精度提升15%。
Comments 11 pages, ICML 2025
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:79136-79149, 2025
AREA: 基于CLIP的类增量学习中的属性提取与聚合
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国）
AI总结 提出AREA方法，通过主测地线分析稳定属性提取、轻量级任务专家和变分信息瓶颈正则化稳定属性聚合，并利用最优传输进行推理，以解决CLIP类增量学习中的灾难性遗忘问题。
Comments Accepted to ICML 2026. Code is available at https://github.com/LAMDA-CL/ICML2026-AREA
OmniVerifier-M1: 具有显式结构化重校准的多模态元验证器
机构 * Tsinghua University（清华大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） ； Microcyto ； Princeton University（普林斯顿大学）
AI总结 提出OmniVerifier-M1，通过符号化元验证（如边界框）和解耦强化学习，实现多模态大模型的可靠细粒度验证与动态区域级自校正。
Comments ICML 2026. Project: https://github.com/Cominclip/OmniVerifier
自预言解码以解锁LVLM中的视觉搜索
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； ShanghaiTech University（上海科技大学）
AI总结 提出SeProD框架，通过自预言解码利用预训练模型的内在单步能力，以无训练、即插即用的方式增强LVLM在多步视觉搜索中的连贯推理，在4个基准的12个分割上一致提升性能。
Comments Accepted at ICML 2026
通过能量校准的多适配器表示干预
机构 * The University of Queensland, Brisbane, Australia（昆士兰大学） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, United Arab Emirates（马尔代夫 bin Zayed 人工智能大学） ； Institute of Science Tokyo, Tokyo, Japan（东京科学研究所）
AI总结 提出MARI方法，通过竞争性多适配器机制和基于能量的门控模块，自适应地确定干预方向和强度，在保持通用能力的同时提升对齐性能。
Comments Accepted by ICML 2026
理解上下文持续学习中的泛化与遗忘
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； University of Buffalo（布法罗大学）
AI总结 提出首个上下文持续学习理论框架，分析预训练Transformer在单提示中处理多序列任务时的泛化与遗忘行为，揭示注意力机制导致的干扰和偏差。
Comments accepted by ICML 2026
单次展开隐藏状态动力学用于无训练RLVR数据选择
机构 * Faculty of Information Technology, Monash University, Melbourne, Australia（信息技术学院，墨尔本大学，澳大利亚）
AI总结 提出SHIFT方法，通过单次推理展开的隐藏状态变化（RIRS）作为实例效用代理，结合质量加权CoreSet覆盖，实现无训练、无标签的RLVR数据选择，在数学推理和医学QA上优于基线。
Comments 14 pages, 2 figures. Accepted by ICML 2026
随机过程流匹配：多元随机场的生成隐式表示
机构 * Navier, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（纳维尔研究所、国家科学研究中心、巴黎高等电力学院、ENPC、IP巴黎、法国） ； LIGM, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（LIGM研究所、国家科学研究中心、巴黎高等电力学院、ENPC、IP巴黎、法国）
AI总结 提出基于流匹配的随机过程流（RP Flow）框架，利用随机傅里叶特征学习隐式信号表示，通过集成采样编码不确定性，实现从稀疏观测生成高质量样本并校准不确定性估计。
Journal ref 43rd International Conference on Machine Learning, 2026
立场：淘汰“正向后门”标签——秘密对齐需要严格且系统的评估
机构 * Department of Computer Science, North Carolina State University, Raleigh, USA（北卡罗来纳州立大学计算机科学系）
AI总结 本文主张停止使用“正向后门”标签，将触发激活的隐藏行为视为秘密对齐，并通过评估三个代表性应用在六个核心属性上的表现，揭示其脆弱性，呼吁进行严格评估。
Comments ICML 2026
稀疏化平均场朗之万动力学
机构 * University College London（伦敦大学学院） ； Newcastle University（新castle大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Microsoft Research New England（微软研究院新英格兰分部）
AI总结 提出KT-MFLD算法，通过核稀疏化将粒子交互复杂度从O(N^2)降至O(N^{3/2})，并保持与MFLD相同的收敛保证。
Journal ref International Conference on Machine Learning, 2026
演化模型库中的持续模型路由
机构 * Department of Computer Science, University of Pisa, Pisa, Italy（意大利比萨大学计算机科学系） ； LUISS University, Rome, Italy（意大利罗马大学）
AI总结 针对模型库快速扩展带来的模型选择和路由更新挑战，提出持续模型路由（CMR）问题，构建大规模基准CMRBench，并设计基于对比嵌入的CARvE方法，通过检查点锚定和结构化重放实现高效路由，显著优于多种基线。
Comments 42 pages, 24 tables, 6 figures, to be published at ICML 2026
Janus-LoRA：面向持续学习的平衡低秩适配
机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China（电子科技大学计算机科学与工程学院，成都，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Independent Researcher（独立研究者）
AI总结 提出Janus-LoRA框架，通过梯度修正实现参数级正交性以克服灾难性遗忘，并利用解耦边际损失增强特征级分离，从而在持续学习中平衡稳定性与可塑性。
Comments 9pages, International Conference on Machine Learning
DiscoForcing：基于扩散强制的实时音频驱动角色控制统一框架
机构 * ShanghaiTech University（上海科技大学）
AI总结 针对实时音频响应角色控制问题，提出DiscoForcing框架，结合因果音乐编码器和扩散强制序列模型，在严格因果、有限延迟的流式生成中实现音频与全身运动的稳定对齐。
Comments accepted by ICML 2026
贝叶斯门控非负对比学习
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
AI总结 针对对比学习中表示纠缠问题，提出贝叶斯门控非负对比学习，通过概率门控机制动态过滤无关特征，在Imagenet-100上语义一致性提升142.1%。
Comments Accepted by ICML 2026
CyberJurors：电商纠纷裁决的多智能体模拟任务
机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
AI总结 针对电商纠纷裁决需要从冗余多轮多模态证据中提取关键线索并依据平台特定惯例决策的问题，提出多智能体框架CyberJurors，通过个体裁决链式思维和集体陪审共识裁决提升裁决质量，在包含6000真实案例的基准上超越现有方法。
Comments ICML 2026
基于分数的纠错码译码器
机构 * School of Electrical and Computer Engineering (ECE)（电气与计算机工程学院）
AI总结 提出SB-ECC，一种将译码视为连续时间去噪的基于分数的译码器，通过神经去噪器定义概率流常微分方程，在奇偶校验约束下迭代更新噪声信道观测值，无需SNR估计即可推理，并在42个码/SNR设置中39/42达到最佳误码率。
Comments Accepted to ICML 2026
T-GINEE：基于张量的多层图表示学习
机构 * City University of Hong Kong（香港城市大学） ； Beihang University（北京航空航天大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 针对现有方法无法捕捉多层网络层间复杂依赖的问题，提出T-GINEE框架，结合张量分解与广义估计方程显式建模跨网络相关性，理论证明一致性与渐近正态性，实验验证有效性。
Comments Accepted by ICML 2026
上下文匹配市场的自适应Bandit算法
机构 * Center for Statistical Science, School of Mathematical Sciences, Peking University（北京大学数学科学学院统计科学中心） ； INRIA, FairPlay Joint Team（INRIA公平玩联合团队） ； Criteo AI lab, FairPlay Joint Team（Criteo AI实验室，公平玩联合团队） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 针对上下文匹配市场中的bandit学习问题，提出自适应算法，在随机和对抗性上下文下分别实现实例相关的多对数遗憾上界和次线性遗憾界。
Comments Accepted to ICML 2026
全局策略空间响应预言机用于两人零和博弈
机构 * Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） ； Qiyuan Lab, Beijing, China（启元实验室，北京，中国）
AI总结 提出Global PSRO框架，通过直接最小化种群可利用性（PE）来引导策略种群扩展，以更少的策略迭代逼近纳什均衡。
Comments Accepted by ICML 2026
平衡可塑性与稳定性：基于快慢继承特征的方法
机构 * School of Computer Science, McGill University, Montr\'eal, Canada（谷歌DeepMind） ； Mila - Quebec Artificial Intelligence Institute, Montr\'eal, QC, Canada ； CIFAR Learning in Machines ； Google Deepmind ； Montreal Neurological Institute of McGill University, Montr\'eal, Canada
AI总结 针对非平稳环境中深度强化学习面临的稳定性-可塑性困境，提出通过多时间尺度突触巩固继承特征来平衡两者，实验表明在渐变环境下稳定性比可塑性更重要。
Comments Main Paper: 9 pages, 9 figures. Accepted at The International Conference on Machine Learning (ICML) 2026
DirectEdit: 基于流的图像编辑的逐步骤精确反演
机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China（多媒体软件国家工程研究中心，计算机科学学院，武汉大学，中国武汉）
AI总结 提出DirectEdit方法，通过直接对齐前向路径消除反演过程中的累积漂移，实现精确重建和可靠特征共享，无需额外神经函数评估，在多种场景下优于现有方法。
Comments ICML 2026. Project page: https://desongyang.github.io/Directedit/
平衡万岁：信息瓶颈驱动的基于树的策略优化
机构 * Alibaba Cloud Computing, Alibaba Group（阿里云计算，阿里巴巴集团）
AI总结 针对在线强化学习中探索-利用不平衡问题，提出基于信息瓶颈理论的IB-Score指标和IB-TPO框架，通过树采样策略提升优化稳定性和性能。
Comments Accepted to ICML 2026 main conference
注意差距：近似差分隐私中的高斯混合机制
机构 * Shanghai Jiao Tong University（上海交通大学） ； UCL School of Management（伦敦大学学院管理学院） ； Imperial Business School（帝国理工学院商学院）
AI总结 针对已知敏感度的标量实值查询函数，设计了一类混合高斯加性噪声机制，在中等和低隐私预算下显著降低噪声幅度和方差，接近最优性。
Comments ICML 2026 style: 9 main pages followed by acknowledgements, references, appendices
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