标签
在ICML 2026上，K-pop组合Kiss of Life在研究人员面前表演，Chungha身后出现了OpenAI标志，这一幕令人感到超现实。
Anima Anandkumar 宣布其团队在 ICML 研讨会上发表了四篇与 Lean 相关的论文，涵盖验证机器学习系统、函数式程序合成、证明助手互操作性以及科学推理，将 Lean 定位为 AI 的基础设施。
介绍了TimesX，这是一个新的多模态时间序列预测基准，包含多样化的真实世界数据和文本上下文，解决了泛化、数据泄露和上下文多样性问题。
这篇 ICML 论文介绍了递归模型，这些模型递归地调用自身在隔离上下文中解决子任务，证明它们可以在长时推理中超越上下文受限的自回归模型。在 SAT 求解和围棋博弈树搜索上的实验表明，使用较小的活动上下文能提高准确性。
本文将对LLM何时使用搜索的决策形式化为实例级搜索路由问题，利用反事实监督来训练和优化路由策略，在Gemma和Qwen模型上实现了macro-F1的提升。
本文研究大型语言模型中的工具使用决策是否具有稳定的内部表征，这些表征可以通过激活引导（Activation Steering）提取和操控，并展示了在五个开源模型和三个领域中，标题特定引导向量可以抑制不必要的工具使用。几何分析揭示，工具调用步骤表现出弥散的双峰对齐，而非参数化基础概念所预期的清晰线性结构。
本文展示了在宽度远大于深度的极限情况下，预测编码网络计算出与反向传播相同的梯度，从而在生物学习与标准神经网络训练之间架起桥梁。
微软研究院在ICML 2026上的亮点包括Fara 1.5计算机使用智能体系列、抗批评基准测试、通过FLIP2扩展的蛋白质机器学习基准测试以及改进的大语言模型推理稳定性，共有超过100篇论文被接收。
Christopher Potts宣布了一篇由Jing Huang和EkdeepL撰写的新论文，该论文研究了为什么更大规模的模型性能优于较小模型，并将其归因于数据导致的神经元竞争。论文将在7月10日的ICML HiLD研讨会上发表。
Elias Bareinboim 宣布他团队的多个 ICML 2025 论文关于因果 AI，涵盖关系世界模型、鲁棒离线强化学习、反事实识别和因果博弈论，强调 AI 推理中因果知识的必要性。
本文介绍了Mining via Activation Geometry (MAG)，这是一个无监督框架，通过自然语言指令从LLM激活中提取推理特征，从而实现激活引导和分类器探针的有效训练数据选择。
这篇观点论文提出在ML会议中建立积分系统，通过为良好行为给予积分并允许兑换福利来激励高质量评审。
一篇新的ICML 2026论文表明，将相同的活跃权重分散到更多神经元上可以减少冲突并提高精度，这表明网络可以在不增加非零权重的情况下表现更好。
第5届DL4C研讨会将在ICML 2024举行，主题为“迈向以人为中心的编码代理”，演讲者包括Diyi Yang、Yuchong、Ludwig Schmidt和Gabriel，将于7月10日举行。
NVIDIA强调，开放前沿模型和AI基础设施正在推动AI研究，这体现在ICML 2026接收的论文中，涵盖机器人学、生命科学和合成数据等领域。
Charles在飞往首尔参加ICML的航班上写了一篇文章，解释了什么是Modal。
Zijian Wang宣布将于本周五在ICML主持第五届DL4Code研讨会，拥有令人印象深刻的演讲嘉宾阵容，并提到两位过去的实习生将在主会议上展示他们的论文。
Saining Xie 宣布他将参加首尔ICML，并邀请大家参加周四晚上的AMI Labs×SBVA社交活动，这是一个面向AI研究者和投资者的交流活动。