Logo
Loading...
期刊
专家
顶会专区

ICML:国际机器学习会议 顶会专区

本专区系统性收录 ICML(国际机器学习会议)相关的论文解读、专家演讲及会议动态等内容。ICML 集中呈现了深度学习、强化学习、表征学习、生成模型与优化理论等领域的年度前沿进展。我们关注方法背后的理论根基与工程突破,致力于为机器学习研究者与从业者提供一份清晰、直接的信息索引。

查看全景观测 →
2026.07.13
会议时间
待定
会议地点
-
投稿文章数量
-
收录率
132
专区文章总数
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2026-06-16
犀牛鸟前沿 | 犀牛鸟精英人才 ICML 2026 入选论文解读
前言 腾讯犀牛鸟精英人才计划定位拔尖科研人才的产学联合培养。自2017年开展以来,项目每年开放新技术研发中的关键难题,选拔具备科研潜力的优秀学生,在校企双导师联合指导下开展前沿探索与应用创新。 依托真实产业场景,同学们在科研探索与技术实践中不断锻炼创新研究能力,并形成了一系列高水平研究成果。本文分享入选 ICML的三篇论文,分别围绕高效模型蒸馏、长上下文推理和稀疏视角视频生成等技术方...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2026-06-15
ICML 2026投稿开启:先别急着提交,详解史上最严的“连坐拒稿”机制
来源:公众号“PaperWeekly” 原文链接:https://mp\.weixin\.qq\.com/s/DNji8Z9tgNZcMW3oeMW\-bw?scene=1&click\_id=29 对于刚结束前两天 ACL 投稿的同学来说,现在或许正准备一鼓作气,将手头剩下的工作,或者没赶上 ACL 的存货转投 ICML。 此时此刻,各大实验室里应该都在进行最后的实验收尾、微...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2026-06-15
ICML 2026|一句无关问题也能劫持Agent,港科大&复旦提出首个语义缓存键碰撞攻击
来源:公众号“机器之心” 原文链接:https://mp\.weixin\.qq\.com/s/aJQTpQtyd5Xka3CpoTWu4g?scene=1&click\_id=28 本文第一作者张芝翔为复旦大学本科四年级学生,即将前往香港科技大学CSE系攻读博士,研究方向为AI Security&Trustworthy AI。通讯作者是香港科技大学佘东冬教授。 在当前...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2026-06-15
看不清就乱答?多模态大模型的这个毛病终于有解了 | ICML 2026
原文链接:https://mp\.weixin\.qq\.com/s/fNmWtYp3C63b8p1wmqtShw?scene=1&click\_id=27 雨雪、雾霾、镜头噪点、压缩失真、夜间弱光…… 现实里拍到的照片,几乎没有一张是绝对“干净”的。 可偏偏就是这种再正常不过的真实画面,一旦交给多模态大模型,其表现往往会大幅下滑—— 原本答得对的问题,画面一糊就开始答错。 ...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2026-06-15
ICML 2026|MEMOPILOT:用强化学习训练会进化的智能体记忆
来源:公众号“专知” 原文链接:https://mp\.weixin\.qq\.com/s/wKPyQKCqzNw9a2FyhcEAxg?scene=1&click\_id=26 大语言模型智能体进入真实环境后,常常需要连续完成一组相关任务:与同一用户长期协作、反复调用工具、持续探索一个环境,或者多轮面对具有稳定行为模式的对手。此时,真正重要的不只是模型能否完成单次任务,而是它能...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 具身智能 雷峰网 · Guangwei.mai · 2024-07-31
UIUC 李博:如何探索大模型背后的安全隐忧?|ICML2024直击
大模型的安全研究,没有赶上 AI 的发展速度。 7 月微软蓝屏事件,像是新老交替之际的一记警钟。每一项新技术的发明,都伴随着一种新责任的出现。假使 AI 集成到每个应用,那么发生在微软的蓝屏事件,同样也会成为 AI 潜在的危险。 “大模型能力的提升并不能代表它的安全也能得到改进,大家还是要有意识的发现模型潜在的风险和漏洞。” ICML 2024 大会期间,AI 科技评论访谈 ICML T...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · Guangwei.mai · 2022-08-03
莱斯大学胡侠团队 ICML 2022 杰出论文: 新型图数据增强方法 G-Mixup|附作者对话
近日,备受关注的第十九届机器学习国际会议(ICML 2022)在美国马里兰州巴尔的摩市举办。自新冠疫情以来,大会首次恢复线下形式,采取线上线下结合的方式举办。 本届大会共收到5630 篇投稿,其中,1117 篇被接收为short oral,118篇被接收为long oral。接收率为21.94%,与以往几年基本持平。前几日,本届大会的全部奖项公布,共评选出15 篇杰出论文奖和 1 项时...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · Guangwei.mai · 2021-08-06
神经机器翻译的混合交叉熵损失函数 | ICML 2021
本文提出了一个新的损失函数,混合交叉熵损失(Mixed CE),用于替代在机器翻译的两种训练方式(Teacher Forcing和 Scheduled Sampling)里常用的交叉熵损失函数(CE)。 Mixed CE实现简单,计算开销基本和标准的CE持平,并且在多个翻译数据的多种测试集上表现优于CE。这篇文章我们简要介绍Mixed CE的背景和一些主要的实验结果。 文章和附录:h...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · Guangwei.mai · 2021-07-20
ICML 2021杰出论文公布!上交大校友折桂,田渊栋rebuttal加分论文获荣誉提名
原定于在奥地利维也纳召开的ICML 2021,受疫情影响已于近日在线上召开。根据官方消息,会议将在7月18日~7月24日内完成所有的日程。 本次会议共收到5513篇论文投稿,接收1184篇论文,其中包含1018篇短论文和166篇长论文,接收率为21.48%,近五年最低。 在接收的一千多篇论文中,组委会最终挑出了四篇论文,分别颁发了一个杰出论文奖,三个杰出论文提名奖。 杰出论文奖...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · Guangwei.mai · 2019-06-29
伯克利 AI 研究院提出新的数据增强算法,比谷歌大脑的 AutoAugment 更强! | ICML 2019 oral 论文
雷锋网 AI 科技评论按:数据增强是提升图像识别模型性能的重要手段。伯克利 AI 研究院的一篇关于数据增强的论文便被 ICML 2019 收录为 oral 论文,该论文巧妙地运用基于种群的数据增强算法,在降低计算成本的情况下,既能提高学习数据增强策略的速度,又能提升模型的整体性能。伯克利 AI 研究院也在官方博客上对论文进行了解读,雷锋网 AI 科技评论编译如下。 将基于种群的增强算法...
阅读原文 → 💬 讨论 ↑ 收藏