7月8日潍坊隔热条PA66，机器学习域具影响力的顶学术会议ICML 2026插足正会二天。本次大会共经受6352篇论文，其中Spotlight论文536篇（占投稿总额的 2.2），Oral 论文168篇 （仅占投稿总额的 0.7 ）。
看成顶的机器学习会议，本年的ICML迷惑了数千篇论文投稿，其中Spotlight论文是百里挑，代表着现时AI接洽的前沿向。
雷峰网已派出报谈小组赴尔COEX会展中心参会。在会议现场，咱们从Poster展区的数千张学术海报中精选出具代表的接洽效果，以“张图+段解读”的式呈现给未能亲临现场的读者。
本期精选Poster Session 5 的9篇Spotlight论文，掩饰卷积算子、闹翻扩散模子、低精度老师、偏好化表面、MoE路由、大模子鲁棒、黑盒化、3D点云补全、脑机接口和机器东谈主纪念评估等多面。
要是你也想让你的接洽效果出当今这里，请与咱们估量：
1、WestWorld：面向各样机器东谈主系统的常识编码轨迹天下模子
WestWorld: A Knowledge-Encoded Scalable Trajectory World Model for Diverse Robotic Systems
论文集会：https://arxiv.org/abs/2603.14392
轨迹天下模子在机器东谈主能源学学习、预计打算和胁制中至关紧迫，但现存法难以膨胀到无数不同的系统能源学场景，且忽略了机器东谈主物理结构的域常识。WestWorld提倡了个常识编码的可膨胀轨迹天下模子，通过系统感知混模子（Sys-MoE）动态路由不同机器东谈主系统的业化，并引入结构化镶嵌将轨迹露出与花样学信息对都，从而在可膨胀和样本泛化才能上获得梗阻。
该模子在89个复杂环境上进行了预老师，掩饰仿真和着实天下的多种花样学设定。实验标明，WestWorld在样本和少样本轨迹预计任务上显赫于竞争基线，并展现出顽强的跨环境可膨胀。接洽还发现，物理结构常识的引入有提高了模子的样本泛化才能，显赫了不同机器东谈主下流基于模子的胁制能。
此外，接洽团队将模子部署在着实的Unitree Go1四足机器东谈主上，考据了其在骨子场景中的踏实畅通能。这责任为构建通用机器东谈主天下模子提供了新范式，展示了常识驱动与数据驱动融的巨大后劲。
Solving Time-Dependent Differential Equations with Physical Dynamical Systems
论文集会：https://openreview.net/forum?id=0YHSZPkMp8
时刻依赖微分程（TDDE）等闲应用于科学和工程的动态过程建模，但传统数值求解器濒临蔓延与精度的根底矛盾——小步长精度但速率慢，大步长速率快但轨迹失真。现存的能源系统机（DSM）虽提供了种一语气时刻计较的替代案，但在捕捉时空复杂面仍有不及，难以知足时刻明锐应用的需求。
DS-TS提倡了种新式TDDE求解器，集成了三项中枢创新：昂然-扼制启发式耦建模复杂空间交互，情景感知动态非线完了丰富的节点间交互和情景依赖的时空干系，线索化时刻积分捕捉长距离时刻依赖。这些遐想使模子概况充分愚弄物理能源系统的一语气时刻计较才能，同期完了精度和率。
实验扫尾令东谈主注视：DS-TS在保捏保真解的同期，速率提高约1000倍，能提高约10万倍。这项责任破了传统数值求解器中蔓延与精度的衡量，为时刻明锐的科学计较应用开辟了全新的物理计较旅途。
论文集会：https://openreview.net/forum?id=0YHSZPkMp8
3、From Pixels to Tokens：VLA模子中潜在动作监督的系统接洽
From Pixels to Tokens: A Systematic Study of Latent Action Supervision for Vision-Language-Action Models
论文集会：https://arxiv.org/abs/2605.04678
潜在动作（Latent Actions）看成中间露出，概况在异构数据集上完了视觉-话语-动作（VLA）模子的致建模。然则，现存愚弄潜在动作监督VLA的法道不同，阑珊系统比拟，接洽者难以明确不同计谋的劣和适用场景，这成为制约VLA老师率提高的要道瓶颈。
该接洽在统VLA基线框架下，从两个视角（基于图像的潜在动作正则化和基于动作的潜在动作统办法空间）实例化并比拟了四种代表集成计谋。实验揭示了种\"公式-任务对应关系\"：基于图像的潜在动作故意于万古域理和场景泛化，而基于动作的潜在动作在复杂畅通相助面进展异。
紧迫的是，接洽发现平直用闹翻潜在动作Token监督视觉话语模子能获得能，并初步考据了潜在动作监督在混数据场景下的势。这项责任为VLA老师计谋的采纳提供了了了的实证指南潍坊隔热条PA66，强调了\"莫得种计谋\"——任务特决定了的潜在动作露出式。
On the Identifiability of Poisson Branching Structural Causal Model Using Probability Generating Function
论文集会：https://proceedings.neurips.cc/paper_files/paper/2024/hash/15aaa9224a35527d76188b4d40e02308-Abstract-Conference.html
从不雅测数据中进行因果发现是科学和工业场景中的中枢问题，尤其针对计数数据。现存法大多使用贝叶斯收罗建模计数数据，但坑诰了常见的分支结构，举例个浏览事件可能触发添加购物车或购买事件。此外，基于积存量的因果发现法天然表面上可靠，却存在可识别缺口，部分因果向法被识别。
该接洽接管概率生成函数（PGF）来探索Poisson分支结构因果模子（PB-SCM）的可识别，使用二项细化算子建模分支结构，开辟了PB-SCM概率生成函数的紧凑且精准的闭式解。接洽诠释闭式解中每个组件唯编码了特定局部结构，这意味着不错通过测试PGF中相应组件的出现来识别局部因果结构。
基于这表面梗阻，接洽团队提倡了种实用的因果骨架学习和因果向识别算法，并在成和着实数据集上考据了有。这责任填补了计数数据因果发现的表面空缺，为生物学、经济学和收罗运维等域的因果分析提供了新器具。
EcoVLA：Environment-Aware Adaptive Pruning with Interleaved Inference Orchestration for Vision-Language-Action Models
论文集会：https://arxiv.org/abs/2602.00780
视觉-话语-动作（VLA）模子在具身智能域后劲巨大，但广泛的参数目致理蔓延显赫，停止及时操控。辣手的是，VLA实践过程中环境不断变化，寥落模式也随之改动，静态剪枝阑珊对环境动态的恰当，而固定间隔的动态层剪枝粒度粗且再老师支拨大。
EcoVLA提倡了个需老师、即插即用的自恰当剪枝框架，包含两个中枢组件：环境感知自恰当剪枝（EAP）引入物理环境的时刻致来动态新寥落模式；交错理编排（I2O）则愚弄VLA理中的计较气泡完了并行剪枝调养，确保对蔓延的影响可忽略不计。该框架可与现存VLA加快法正交组，塑料挤出机具有邃密的通用。
实验标明，EcoVLA单使用时达到1.60倍加快，得胜率仅着落0.4；与token剪枝结时达到2.18倍加快，能仅着落0.5。该法在着实机器东谈主上也得到了考据，为VLA模子的及时部署提供了实用案。
Is Data Shapley Not Better than Random in Data Selection? Ask NASH
论文集会：https://arxiv.org/abs/2605.10684
Data Shapley被些接洽主张用于采纳质料老师数据子集，因为它能捕捉数据子集之间的交互关系。然则，另些责任指出Data Shapley在实践中巧合果欠安，所选子集以至不如立时采纳。这矛盾激发了要道问题：是否存在某些\"Shapley-informative\"的树立，使Data Shapley概况捏续有？
NASH框架的中枢想路是两步走：先将办法用函数（如考据准确率）剖判为浅薄的、Shapley-informative的组件函数，然后通过非线式聚这些组件，构建化办法来采纳数据。这种\"剖判+非线聚\"的组计谋，显赫提高了基于Shapley值的数据采纳法的有。
实验标明，NASH在险些不加多绝顶脱手时刻本钱的前提下，大幅提高了数据采纳的能，让Shapley类法再行变得有且。这责任为数据估值与采纳域提供了紧迫的表面和实践孝顺。
Rapid Poison:Practical Poisoning Attacks Against the Rapid Response Framework
论文集会：https://arxiv.org/abs/2606.16242
Rapid Response（RR）框架已部署于分娩系统（包括Anthropic的ASL-3安全护），通过捏续改进逃狱检测分类器来御新式报复。然则，该接洽揭示了RR框架老师管谈存在安全疏漏，教导注入不错渗入该历程，将有毒样本送入分类器的老师集。
在严格的挟制模子下（报复者只可修改逃狱样本，不成修立异数据或标签），接洽完了了两个报复办法：定向投毒报复在害样本上制作秀阳，基于见识的后门报复在逃狱输入上诱假阴。团队还提倡了Omission Attack，愚弄分类器在见识缺失的不安全样本上老师时产生的作假关联表象，使后门报复对御已明确老师御的报复计谋也有。
实验露出，仅1的投毒率即可使假阳率达、假阴率达96，部分情况下以至完了近乎的标签翻转。这发现对已部署的分娩安全系统具有试验警暗意思，突显了AI安全框架自己也需要被安全凝视。
Heliox: A GPU-Native Framework for Simulation and Training of Biophysically Detailed Networks
论文集会：https://openreview.net/forum?id=XjTRtfxK9g
生物物理细节神经元捎带着丰富的时空计较才能，这些是点神经元详尽法平直捕捉的。但其歪邪正的树突拓扑结构与密集的度学习脱手时严重不匹配，致难以在现存框架中老师和模拟。传统度学习框架为密集ANN实践旅途遐想，强即将生物模子塞入这些框架率低下。
HelioX是个GPU原生框架，通过定制融CUDA内核为树突层调养和梯度传播门遐想，认识梯度传播完了端到端的从模拟情景新到参数化的闭环，多流并发提高GPU实践率。与以往将生物模子适配度学习器具的阶梯不同，HelioX将能模拟与可膨胀老师统在同脱手时中。
在滥用GPU上，HelioX完了了度生物物理MLP老师和生物体圭臬的线虫（C. elegans）模子拟，在数值和学习基准测试中均获得了显赫的速率和内存率提高。这责任裁减了生物物理模子用于可老师AI系统的工程和硬件门槛，使详确神经元接洽在计较神经科学和脑启发学习域加实用可行。
A Recursive Decomposition Framework for Causal Structure Learning in the Presence of Latent Variables
论文集会：https://arxiv.org/abs/2605.10651
基于拘谨的因果发当今维场景下计较代价，原因在于其对条款立覆按的严重依赖。已有\"分而之\"框架虽能缓解此问题，但大多数法都假定因果充分，即不存在隐变量，这严重戒指了它们在骨子场景中的应用。
DiCoLa框架将全局因果结构学习递归剖判为小的子问题，对每个子问题立进行因果发现，然后通过有表面保证的重构轨范将子问题的解整为完好的全局因果结构。其要道梗阻在于：表面上诠释了分而之计谋不错广到存在隐变量的场景，并保证了正确和完备。
成数据和着实数据集的实验均考据了该法在多种因果发现算法上显赫提高了计较率，次完了了隐变量场景下的分而之因果发现，为大鸿沟因果结构学习提供了实用且表面完备的处置案。
从机器东谈主天下模子到物理计较，从因果发现到AI安全，这九篇Spotlight论文展现了ICML 2026的多元相貌。它们或破既有衡量，或填补表面空缺，或揭示安全隐患，共同指向个趋势：AI接洽正在向层的物理建模、严谨的表面基础和安全的工程实践迈进。
雷峰网&AI科技评述将不竭在现场带来多ICML 2026的精彩内容，要是你想荐ICML上的其他论文，迎接估量咱们向上相同探讨 。
个东谈主读论文太伶仃，群东谈主刷顶会才好玩。
ICML 2026召开在即，咱们正在召集波含金量的 AI 接洽者。群内主及时论文追踪与硬核期间探讨，拒灌水。
? 进群传送门：扫码进群或添加微信Vin_Vivid，备注：论文群 + 关心的 AI 向。
搞科研/搞期间，信息差很紧迫。
来，起快东谈主步！
上车，带你看遍巨匠 AI 顶会精华
可畅览：
演讲PPT
大会讲明全文
热点论文解读
学术新星访谈
手机：18631662662（同微信号）相关词条:铁皮保温 塑料挤出机 钢绞线 玻璃卷毡厂家 保温护角专用胶
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。
