期刊&会议
International Conference on Machine Learning · 会议 · Machine Learning
WARP: 基于权重空间分析恢复训练数据组合
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 提出WARP框架，通过模型合并生成伪检查点，从权重空间几何特征恢复微调模型的训练数据域混合比例，在BERT和GPT-2上平均MAE分别低至0.046和0.104。
Comments This work appears in the ICML 2026 Workshop on Weight-Space Symmetries (WSS): from Foundations to Practical Applications. Our source code is available at github.com/SprocketLab/WARP
EO-Agents: 用于地球观测假设生成的三智能体LLM流水线
机构 * ADNET Systems（ADNET系统）
AI总结 提出基于NASA地球观测知识图谱的三智能体LLM流水线，通过图神经网络排序数据集对，生成并评估结构化研究假设，在1475个数据集上产生160个跨领域假设。
Comments Accepted at the ICML 2026 AI for Science Workshop
类分组归一化动量与更快的超参数探索以应对联邦学习中的类别不平衡
AI总结 提出FedCGNM客户端优化器，通过类分组归一化动量平衡梯度幅度并降低噪声，结合FedHOO算法高效优化重采样率，在长尾数据集上优于基线方法。
Journal ref Proceedings of the 43 rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
CreativityNeuro: 引导语言模型权重以改善发散思维并减少模式崩溃
机构 * Center for Brain Science, Harvard University（哈佛大学脑科学中心） ； CBS-NTT Program in Physics of Intelligence, Harvard University（哈佛大学CBS-NTT智能物理项目） ； Prior Computers ； AI Innovation Institute, Stony Brook University（石溪大学人工智能创新研究所）
AI总结 提出数据无关的对比权重引导方法CreativityNeuro，通过调整LLM权重增强发散思维，在多项创造力测试中提升原创性并减少模式崩溃，无需重新训练或微调。
Comments Accepted at ICML 2026 Workshop on Creativity & Generative AI
Transformer 应如何在电子健康记录中编码数值？
AI总结 本研究系统比较了离散、连续和混合数值编码策略在合成算术任务和真实临床预测任务中的表现，发现混合令牌方法在精度与鲁棒性间取得最佳平衡，并提出基于数据集大小的经验幂律确定最优分箱数。
Comments 16 pages, 15 figures, 3 tables, accepted to ICML 2026, to be published in Proceedings of Machine Learning Research
协作分歧解决实现可扩展监督
机构 * Microsoft（微软） ； Duke University（杜克大学）
AI总结 提出协作分歧解决范式，通过引导AI模型协作识别分歧、检验证据并达成共识，替代对抗性辩论，使非专家模型判断准确率达62.1%。
Comments 27 pages, 6 figures. Accepted to ICML 2026. Codebase link: https://github.com/ChicagoHAI/collaborative-dr.git
基于语料库的前沿计算物理容错LLM流水线：从语料到论文的自主研究
机构 * Princeton University（普林斯顿大学）
AI总结 提出一个端到端LLM流水线，从11,083篇arXiv论文语料库出发，自主完成前沿计算物理研究，包括构思方向、复现文献、第一性原理计算和撰写论文，通过冗余设计实现容错。
Comments 39 pages, 5 figures. Accepted at the ICML 2026 AI for Science Workshop (https://openreview.net/forum?id=R5YXaPgUAx). Includes the pipeline-generated companion physics manuscript as an appendix. Data and scaffolding archive: https://doi.org/10.5281/zenodo.21126996
GADA: 基于图像的高斯泼溅的几何感知可变形聚合
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Chung-Ang University（中央大学）
AI总结 提出几何感知可变形聚合（GADA），通过可变形偏移迭代校正空间错位，并引入隐式置信加权机制抑制不可靠证据，在保持高频细节的同时实现2.13倍FPS提升。
Comments ICML 2026
ISM：面向持续数学推理的自我改进策略记忆
AI总结 提出智能模式记忆（ISM），一种自我演进的记忆增强系统，通过从成功和失败案例中学习并维护策略模式库，在不更新模型参数的情况下提升冻结LLM在持续学习中的数学推理能力。
Comments 3rd AI for Math Workshop at ICML 2026 Forty-Third International Conference on Machine Learning
当样本选择偏差引发模型崩溃
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究低资源验证场景下，基于局部有偏参考分布的数据选择反而加速模型崩溃，并提出多数据孤岛协同的Wasserstein代理参考缓解多样性退化。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
共享语义，不同机制：通过对齐语义与机制的无监督特征发现
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种无监督方法，通过语义嵌入和归因签名聚类模型续写，发现隐藏的机制模式，补充电路分析。
Comments 40 pages; accepted as an ICML 2026 Spotlight; project page: https://merenova.github.io/distribution-level-feature-discovery/
Journal ref ICML 2026 Spotlight
智能体能否泛化到开放世界？揭示工具使用中静态训练的脆弱性
AI总结 针对LLM智能体在真实场景中因查询、工具集和交互动态变化而性能下降的问题，形式化定义了开放世界工具使用问题，构建了四层层次的环境偏移框架，并通过实验揭示了监督微调和强化学习训练智能体在面对开放环境偏移时的脆弱性，提出了扰动增强微调策略以提升鲁棒性。
Comments Accepted by ICML 2026
GSRQ: 面向亚1比特KV缓存的增益-形状残差量化
AI总结 针对大语言模型KV缓存压缩中向量量化导致的方向保持问题，提出增益-形状K均值（GSKM）替代标准K均值，并构建增益-形状残差量化（GSRQ），在1比特下将LongBench平均准确率从11.34提升至33.54。
Comments ICML 2026
两条AI指标分岔：这会造成天壤之别吗？
AI总结 本文探讨前沿AI模型能力是否会因指数级算力扩展而超越小预算开发者，或通过“温顺模型”普及；通过分析有界与无界性能指标，给出数学条件判定哪种指标有利于温顺模型，并指出指标选择对政策制定至关重要。
Comments Accepted into 2026 ICML Technical AI Governance Research Workshop
评估预训练音乐嵌入在跨演奏爵士标准曲识别中的表现
AI总结 研究利用预训练音乐嵌入进行跨演奏爵士标准曲识别，对比从头训练的谐波CNN基线，发现预训练嵌入在top-k结果上更优但对演奏者身份敏感，轻量对比投影可部分缓解。
Comments 6 pages, 2 figures, 4 tables. Accepted to the ICML 2026 Workshop on Machine Learning for Audio
语言相对策略优化用于视频异常推理
机构 * Chongqing College of Artificial Intelligence（重庆人工智能学院）
AI总结 提出语言相对策略优化（LRPO），通过从多个推理轨迹中提取群体相对语义优势，构建语言表达的异常经验先验，无需参数更新即可引导模型输出，在无调参设置下显著超越现有方法。
Comments Accepted at ICML 2026; 18 pages, 8 figures, 9 tables
学习观察：通过交错策略优化的主动视频异常理解
机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China（重庆邮电大学计算机科学与技术学院） ； School of Computer Science（计算机科学学院） ； Chongqing College of Artificial Intelligence, Chongqing, China（重庆人工智能学院）
AI总结 提出Anom-π闭环框架，将视频异常理解建模为主动序列决策过程，通过交错策略统一内部推理与证据获取，并设计iDPO实现轨迹级策略对齐，仅2B参数即超越大规模模型。
Comments Accepted at ICML 2026; 25 pages, 8 figures, 15 tables
决策聚焦的稀疏切线投资组合优化
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Chonnam National University（全南国立大学） ； Ulsan National Institute of Science and Technology（乌山科学技术院）
AI总结 提出端到端决策聚焦学习框架，通过可微凸优化层和平滑top-k算子直接优化投资组合性能，在四个主要股票市场取得优于基线的样本外夏普比率。
Comments ICML 2026
SAOT: 具有结构感知最优传输的自监督连续图学习
AI总结 提出结构感知最优传输框架，利用最优传输理论捕获全局节点对应关系，结合跨任务知识蒸馏，在连续图学习中保持关系结构，显著提升分类准确率。
Comments The paper has 9 pages of text and 13 pages in total (including acknowledgments, impact statement, references, and appendix), with 6 figures and 4 tables. This paper has been accepted by ICML 2026 conference and this is a final version of the manuscript submitted to the conference
设备护照：使时空预训练模型能够跨输入布局泛化
机构 * California Institute of Technology（加州理工学院） ； Apple（苹果公司）
AI总结 针对新设备布局缺乏大规模数据集的问题，提出Device Passport通道嵌入技术，通过功能活动与元数据混合建模，实现跨布局迁移，在耳部脑电图等任务中优于基线。
Comments Workshop on Structured Data for Health, ICML 2026
知道谁，而非多少：面向消费者效用最大化的学习增强机制
AI总结 研究在线随机顺序模型中战略代理的消费者效用最大化问题，通过识别最高价值代理的身份预测，设计了一个确定性的真实机制，在预测正确时实现常数近似最优解，在预测错误时仍保证常数近似最优可实施解。
Comments Accepted at the Forty-third International Conference on Machine Learning (ICML 2026)
窃取补丁大小：对抗性操纵视觉-语言模型
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种黑盒模型窃取攻击，通过任务级侧信道推断视觉语言模型的补丁大小和预处理流程，并利用泄露信息实现预处理感知的迁移攻击和模型定向对抗操纵。
Journal ref ICML 2026
SWE-Router：多轮智能体软件工程任务中的路由
AI总结 提出SWE-Router，一种基于价值的时间路由方法，通过让廉价模型探索几轮后根据部分轨迹决定是否升级到昂贵模型，在保持强模型大部分性能的同时大幅提升成本效率。
Comments The 5th Deep Learning for Code Workshop, ICML 2026
专有数据集保护的水印技术
机构 * University of Maryland（马里兰大学） ； Lawrence Livermore National Labs（劳伦斯利弗莫尔国家实验室）
AI总结 针对生成模型训练数据成员推断难题，提出基于水印的数据集推断方法，在子集暴露充分时达到与传统损失法相当的检测性能。
Comments 8 pages and 6 figures in the main body; presented at the ICML 2026 Workshop on Trustworthy AI for Good
蒸馏检测：通过弹药筒蒸馏揭露大语言模型中的隐蔽偏见
机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Foundation AI–Cisco Systems Inc.（Foundation AI–思科系统公司）
AI总结 提出Distill to Detect (D2D)方法，通过蒸馏模型与基座之间的分布偏移到KV缓存前缀适配器中，放大隐蔽偏见信号至可检测程度，并基于Fisher加权投影理论解释其有效性。
Comments Accepted to the ICML 2026 Workshops on TAIGR, AI4GOOD, Mechanistic Interpretability, and CoLoRAI
为何解决两次？面向迁移高效机器学习工程的层次化技能积累
机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
AI总结 提出HASTE层次化多智能体系统，通过三级范围（全局、领域、竞赛特定）组织跨竞赛知识，在MLE-Bench Lite基准上实现77.3%奖牌率，冷启动相比热启动减少52%迭代次数。
Comments 19 pages. Accepted to the 5th Workshop on Deep Learning for Code (DL4C), ICML 2026
MADField: 纳米多孔材料吸附的多保真摊销密度场
AI总结 提出MADField模型，通过多保真学习结合cDFT和GCMC数据，预测吸附平衡密度场并积分得到气体吸收量，在精度和速度上显著超越现有方法。
Comments ICML 2026 AI for Science Workshop
时间序列基础模型基准是否隐藏了依赖于状态的失败？来自交通速度预测的证据
机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； National University of Singapore（新加坡国立大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学）
AI总结 本文提出状态分层评估方法，发现时间序列基础模型在交通状态转换时准确率和预测区间覆盖率显著下降，并提出了双峰混合增强方法以改善转换状态覆盖。
Comments 5 pages, 2 figures. Accepted at the Workshop on Forecasting as a New Frontier of Intelligence, ICML 2026
LC-QAT: 通过线性约束向量量化实现LLM的数据高效2比特QAT
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出LC-QAT，一种2比特权重量化的向量量化感知训练框架，通过可微的线性映射避免离散码本查找，实现高质量PTQ初始化和端到端优化，仅用0.1%-10%训练数据即超越现有方法。
Comments Accepted by ICML 2026
UniSVQ: 2比特统一标量-向量量化
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出UniSVQ，通过将码字参数化为整数格点的仿射变换，统一标量和向量量化，实现2比特量化下性能优于标量量化、媲美向量量化，且推理吞吐更高。
Comments Accepted by 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