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 →
2026.07.06 -11
会议时间
韩国首尔
会议地点
23,000+
投稿文章数量
26.6%
收录率
134
专区文章总数
会前预热 机器学习理论 雷峰网 · GAIR DAO · 2026-06-26
ICML2026 |IMPACT:首次将影响函数引入开放集场景,搞定开放集时序的污染与泛化双重难题!
来源:公众号“时序大模型” 原文链接:https://mp.weixin.qq.com/s/xUjYEZhimavKwed1hNWh7g 本篇论文来自ICML2026,最新前沿时序技术,针对时序异常检测,提出了IMPACT框架,首次将影响函数理论系统性融入开放集时间序列异常检测流程。 文章信息 论文名称:IMPACT: Influence Modeling for Open-Set Time...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · GAIR DAO · 2026-06-25
ICML 2026倒计时11天:三校让Agent「边做边学」,多智能体Spotlight零改飙性能,26.6%录用率出炉
ICML 2026倒计时11天,今日核心看点落在中国高校在Agent方向的集体爆发。清华大学、北京大学、新加坡国立大学三校联合,在ICML 2026上连发三篇论文,核心命题是让LLM Agent从交互中持续学习——「边做边学」不再是一个比喻,而是一个被三篇顶会论文同时验证的技术方向。同日,兴辰智能的ICML 2026 Spotlight论文展示了多智能体系统在不改动业务工作流的前提下实现性能...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · GAIR DAO · 2026-06-25
ICML2026 Spotlight 重磅突破!不改业务工作流,多智能体性能持续飙升
来源:公众号“兴辰智能” 原文链接:https://mp.weixin.qq.com/s?__biz=MzY4MjMxMTQzNg==&mid=2247483771&idx=1&sn=c65c72f816d25a19072dcf49d2555bd4&chksm=f277b3f69b082c3dc08fcbab5087c95aa7888a648d35ce1855...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-25
[成果汇报] ICML 2026 通过知识蒸馏提升可学习进化算法的性能上限
来源:公众号“EvolGroup“ 原文链接:https://mp.weixin.qq.com/s?__biz=MzkxODQ0MTQzMg==&mid=2247492672&idx=1&sn=3af9a82e9fe5df4475088adca509995f&chksm=c041e9525f42ef84d53d8f4eb405915173df82f246e7a...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 大语言模型 雷峰网 · GAIR DAO · 2026-06-23
ICML 2026倒计时13天:Agent协议新作亮相,中山大学HCP豪取15篇,思考Token省到极致
距ICML 2026首尔开幕仅剩13天,今日当日新文稀少但信息量不小:ProtocolBench+ProtocolRouter破解Agent协议碎片化难题入选ICML 2026;中山大学HCP实验室以15篇论文刷新单机构纪录;Heima方法证明大模型仅靠少量推理Token也能深度思考。三大议题,一文速览。 今日热门议题以下为本日关注度最高的三个核心议题,按热度排序,均附摘要与原文链接。 热门...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-22
ICML 2026重磅接收!UIUC双力作落地:彻底解决多智能体通信协议乱局
来源:公众号“AI智能体创作基地” 原文链接:https://mp.weixin.qq.com/s/_WnXr8ZLsMV_qW1cxKabKg 多智能体是当下AI创业、技术研发的核心风口,无论是智能体协作办公、机器人集群作业,还是复杂AI自动化工作流,都离不开智能体之间的通信交互。但长期以来,行业一直存在一个致命痛点:通信协议五花八门,没有统一评测标准,开发者选协议全靠经验、试错成本极高。...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-22
ICML 2026|智能体的下半场:为什么「答对」已经不够了?
来源:公众号“机器之心” 原文链接:https://mp.weixin.qq.com/s/VxWh3Cke25QwFpxkd_5YAw?scene=1&click_id=15 过去两年 Agent 研究更像一场工程竞赛 —— 谁的推理链更长、谁的工具箱更大、谁的 workflow 更复杂。但 Agent 的下半场不再是拼花活,而是把它变成一门科学 :不仅问「它 work 不 work...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-16
ICML 2026:从输入输出样例中自动生成程序——强化学习为大模型Programming-By-Example任务提供推理过程监督
ICML 2026 PRM-PBE方法示意图 尽管大语言模型在代码生成和程序推理任务中取得了显著进展,但其在Programming-by-Example(PBE)任务中的表现仍受到明显限制。PBE要求模型仅根据输入输出样例推断潜在程序逻辑,并合成能够满足所有样例的程序。现有LLM方法通常依赖输入到输出的直接映射,或借助Chain-of-Thought、执行反馈、监督微调等方式增强推理能力。然...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-16
ICML 2026:视觉自恢复 + 双奖励强化学习,提升受损图像理解
原文作者:公众号“Today读什么” 原文链接:https://mp.weixin.qq.com/s/BrsWJJAv22qHVa_gfv2cpg 一张照片被压缩、噪声、暗光和模糊破坏后,多模态模型仍然可以写出一段逻辑完整的分析。但分析越流畅,不代表它看到的证据越充分:车头朝向已经模糊,模型仍能解释车辆为何“直行”;公交车轮廓已经重叠,它依然可以自信地数出三辆。 过去的方法通常让视觉编码器适...
阅读原文 → 💬 讨论 ↑ 收藏
会前预热 强化学习 雷峰网 · GAIR DAO · 2026-06-15
GAIR Paper 101:从最优传输角度训练奖励模型:让 RLHF 学会「忽略错误偏好」丨ICML 2026
SelectiveRM:从点对点拟合噪声偏好,转向带选择机制的分布对齐,重构奖励模型的训练目标。作者丨潘黎铖 在大语言模型对齐研究中,一个看似自然、却值得重新审视的问题长期存在: 一方面,RLHF、RLAIF、GRPO等方法不断推动模型对齐能力演进;另一方面,奖励模型训练阶段却普遍默认一个前提——收集到的偏好标注能够准确反映真实人类偏好。 但现实并非如此。无论是人工标注、众包反馈,还是LLM...
阅读原文 → 💬 讨论 ↑ 收藏