您正在使用IE低版浏览器，为了您的雷峰网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器

ICML：国际机器学习会议

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。

热门论文热门议题高校表现企业表现过往报道

顶会专区

ICML 2026 REViT 发布 | 这可能是这个 Transformer 时代，CNN最后的体面

你是否有过这样的经历：在医疗影像分析中，仅仅因为细胞切片旋转了一个角度，AI诊断模型就给出了截然不同的判断？在自动驾驶场景里，摄像头角度稍有倾斜，目标检测就开始

吴思梦 2026/06/26 10:12

顶会专区

AI生成的图片正在反向对齐人类的审美？ICML 2026观点论文Spotlight

UBC 和 Weathon Software 的研究提出，图像的美学对齐正在削弱艺术表达。

吴思梦 2026/06/26 10:00

顶会专区

ICML2026 Spotlight 重磅突破！不改业务工作流，多智能体性能持续飙升

无需改动现有业务工作流架构、交互逻辑、调度链路，仅通过轻量化插件式优化策略，就能稳定拉高多智能体系统整体性能。

陈淑瑜 2026/06/25 16:40

顶会专区

清华北大NUS三篇ICML 2026齐发：大模型智能体终于学会“边做边学”了

大语言模型（LLM）智能体的竞争重心正在发生转移。

陈淑瑜 2026/06/25 15:30

顶会专区

[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

本文提出MetaDistill，一种通用的MetaBBO训练框架，旨在通过预训练和测试时微调来突破策略性能的上限。

陈淑瑜 2026/06/25 15:12

顶会专区

【行业前沿】ICML 2026｜从「鉴伪」到「修复」，AI图像取证进入闭环时代

随着生成模型的快速发展，AI 生成图像正变得越来越逼真，也让图像真实性判断变得愈发重要：一张图片究竟是由相机真实拍摄，还是由模型合成生成？

陈淑瑜 2026/06/25 11:36

顶会专区

ICML 2026 重磅成果！北大 GenShield 问世，实现 AIGC 鉴伪 + 修复一体化闭环

把 AI 生成图像真伪检测、瑕疵定位、伪影修复三大能力整合进一套系统，完成「识别问题→解释成因→自动修正」全链路闭环，将 AIGC 图像取证从单纯真假二分类

陈淑瑜 2026/06/22 18:25

顶会专区

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

ProtocolBench首个多智能体通信协议评测基准、ProtocolRouter约束感知智能协议路由器。

陈淑瑜 2026/06/22 18:23

顶会专区

ICML 2026｜智能体的下半场：为什么「答对」已经不够了？

Theory of Agent 如何解释当下最前沿的长上下文、推理模型、工具使用、自进化智能体背后那根共同的主线。

陈淑瑜 2026/06/22 17:59

顶会专区

GAIR Paper 102 ｜不靠真实语音堆料，低资源 TTS 也能 SOTA ｜ICML 2026

SE-Bridge-TTS：合成数据也能训出稳定、自然、可克隆的低资源语言 SOTA TTS。

陈淑瑜 2026/06/17 18:14

顶会专区

ICML 2026 | 电子科大：树状自我博弈 TSP，面向安全代码大模型的细粒度自纠错框架

论文提出一系列专属概念，是理解TSP的基础。

吴思梦 2026/06/16 14:44

顶会专区

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

Programming-by-Example的核心目标，是从少量输入输出样例中推断用户真正想要的程序逻辑。

吴思梦 2026/06/16 13:47

顶会专区

ICML 2026：视觉自恢复 + 双奖励强化学习，提升受损图像理解

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

吴思梦 2026/06/16 10:48

人工智能

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

该攻击在多租户及智能体场景下，能够以高达 86% 的成功率劫持 AI 系统的响应。

陈淑瑜 2026/06/15 17:24

顶会专区

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。

吴思梦 2026/06/15 15:39

热门文章

为了您的账户安全，请验证邮箱

您的邮箱还未验证,完成可获20积分哟！

重发邮箱修改邮箱

请验证您的邮箱

立即验证

完善账号信息

您的账号已经绑定，现在您可以设置密码以方便用邮箱登录

立即设置 以后再说