ICML 精選 Spotlight Poster 匯總：Session 7-2

本文作者：陳淑瑜

2026-07-09 18:34

專題：ICML：國際機器學習會議

導語：最聰明的AI，懂得何時停止思考？

7月9日，機器學習領域最具影響力的頂級學術會議ICML 2026進入正會第三天。本次大會共接收6352篇論文，其中Spotlight論文536篇（占投稿總數的 2.2%），Oral 論文168篇（僅占投稿總數的 0.7 %）。

作為國際頂級的機器學習會議，今年的ICML吸引了數千篇論文投稿，其中Spotlight論文更是百里挑一，代表著當前AI研究的最前沿方向。

雷峰網(公眾號：雷峰網)已派出報道小組赴首爾COEX會展中心參會。在會議現場，我們從Poster展區的數千張學術海報中精選出最具代表性的研究成果，以“一張圖+一段解讀”的方式呈現給未能親臨現場的讀者。

雷峰網 & AI科技評論在現場為您帶來第一手報道，精選六篇Spotlight論文，涵蓋空間智能、腦網絡分析、圖學習、推理優化、LLM記憶與高效生成等多個領域，一窺AI最前沿的突破與趨勢。

如果你也想讓你的研究成果出現在這里，請與我們聯系：

1、SpatioLM：面向視覺語言模型的通用物理空間智能

SpatioLM: Towards General Physical Spatial Intelligence in Vision-Language Models

論文鏈接：https://openreview.net/forum?id=CHavqrN1X9

視覺語言模型（VLM）在常識推理任務上表現出色，但在視覺空間推理方面存在明顯短板。現有解決方案大多引入額外的3D先驗知識或外部空間編碼器，不僅增加了模型復雜度，還在空間微調后損害了VLM原有的通用能力。如何在增強空間智能的同時不“撿了芝麻丟了西瓜”，成為該領域亟待解決的核心矛盾。

SpatioLM提出了一種參數高效的解決方案，設計了一個即插即用、非侵入式的空間視覺模塊，激發VLM中固有但未被充分利用的空間知識，而非引入外部編碼器。此外，該方法創新性地利用偽深度和相機信息作為監督信號，引導模型學習物理上連貫的空間表示，使模型能夠真正"理解"三維物理世界。

實驗結果令人矚目：SpatioLM在VSI-Bench上取得71.6分，成為首個突破70分大關的模型，同時在空間感知和理解任務上全面領先。更重要的是，模型的通用能力未受損害，在遷移到具身操作任務時也展現出競爭力。這一工作為VLM空間智能提供了優雅且實用的新范式。

2、PhenoBrain：表型條件化的多模態腦網絡分析框架

PhenoBrain: Phenotype-Conditioned Long-Range Communication for Multi-Modal Brain Network Analysis

論文鏈接：https://openreview.net/forum?id=9NqKL9QQ4a

多模態腦網絡分析旨在從功能連接組預測神經精神狀態，但現有方法大多將表型信息視為輔助特征進行后期融合，隱含假設無論表型如何，連接組的表示方式都相同。然而在臨床神經科學中，相同的功能連接模式在不同表型語境下可能支持截然不同的結論，這一關鍵事實被傳統方法所忽視。

PhenoBrain提出了一種新穎的框架，在機制層面而非分類器層面注入表型信息。具體而言，該方法設計了表型條件化的長程路由機制，學習主體特定的多跳通信核來建模長程連接組交互；同時提出表型引導的注意力機制調節方法，將表型信息作為條件先驗來調節腦網絡中注意力的學習過程。這種“機制層注入”的策略使表型信息能夠全程參與表示學習。

為驗證方法有效性，研究團隊基于開源圖像數據構建了兩個多模態腦網絡分析數據集。大量實驗證明PhenoBrain達到了最先進的性能，為腦網絡分析與臨床神經科學的結合提供了新工具。

3、Sˉ3GNN：面向長程圖學習的高效全局混合與局部消息傳遞

Sˉ3GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning

論文鏈接：https://arxiv.org/abs/2605.23467

消息傳遞神經網絡（MPNN）在捕捉長距離依賴時常遭遇"過度壓縮"（Oversquashing）問題：信息在多層傳播中被過度壓縮而丟失。現有譜濾波方法雖能通過全局信息混合緩解此問題，但其理論保障依賴于強假設（Jacobian敏感度下界），而這些假設在實踐中往往難以滿足。

S3GNN重新審視了這些理論結論，發現相關Jacobian敏感度下界在實際中通常難以實現，隨后提出了一種無需限制性假設即可緩解過度壓縮的新方法。該方法通過輕量級地重新引入被省略的組件，將高效全局混合與局部消息傳遞相結合，在新動力學框架下保持標準特征變換的穩定性約束有效，同時大幅降低了計算復雜度。

在長距離基準、知識圖譜問答和網格流體動力學等多個領域的實驗中，S3GNN實現了高達一個數量級的誤差降低，且參數量減少高達50%。這一工作不僅糾正了現有理論的認識偏差，更以更少的參數實現了更好的性能，為圖學習領域樹立了新標桿。

4、復雜推理的刻畫、評估與優化

Characterizing, Evaluating, and Optimizing Complex Reasoning

論文鏈接：https://arxiv.org/abs/2602.08498

大型推理模型日益依賴具有復雜內部結構的推理軌跡，但現有研究對三個基本問題缺乏統一回答：什么定義了高質量推理？如何可靠評估長且隱式結構化的推理軌跡？如何將評估信號用于推理優化？這些問題之間的鴻溝，制約了推理模型的系統性改進。

該研究提出了ME2原則，從宏觀和微觀兩個層面，沿效率和有效性兩個維度來刻畫推理質量。在此基礎上，將推理軌跡建模為有向無環圖（DAG）以捕捉復雜推理結構，開發基于DAG的成對評估方法，并構建TRM-Preference數據集訓練思考獎勵模型（TRM），使推理質量評估可規模化，打通了從評估到優化的閉環。

實驗驗證了思考獎勵作為優化信號的有效性：在測試時選擇更好的推理軌跡可帶來最高19.3%的性能提升，在強化學習訓練中增強推理能力可獲得最高3.9%的性能提升。這一工作為推理質量的定義、評估和優化提供了首個統一框架，具有重要的理論價值和實踐意義。

5、MemoryBench：面向LLM系統記憶與持續學習的基準測試

MemoryBench: A Benchmark for Memory and Continual Learning in LLM Systems

論文鏈接：https://arxiv.org/abs/2510.17281

擴展數據規模、參數量和測試時計算一直是改進LLM系統的主要路徑，但隨著高質量數據逐漸枯竭、計算資源邊際收益遞減，這條路徑已接近上限。受人類從實踐中學習的能力啟發，為LLM構建記憶和持續學習框架成為重要研究方向。然而，現有基準測試大多聚焦于同質化的閱讀理解任務，而非測試系統在服務期間從累積用戶反饋中學習的能力。

MemoryBench提出了一個用戶反饋模擬框架和涵蓋多領域、多語言、多任務類型的綜合基準測試，專門評估LLM系統的持續學習能力。該基準模擬真實服務場景中用戶與LLM的交互過程，測試系統能否從用戶反饋中學習并持續優化自身表現，填補了現有評估體系的空白。

實驗揭示了一個令人警醒的事實：當前最先進的方法在有效性和效率方面均遠未達到令人滿意的水平。這一發現表明，LLM的記憶與學習能力仍是一個巨大的未解難題，MemoryBench為未來研究提供了重要的評估基礎設施和方向指引。

6、ASAG：讓推理模型學會“適可而止”

Stop When Further Reasoning Won't Help: Attention-State Adaptive Generation in Reasoning Models

論文鏈接：https://arxiv.org/abs/2606.15070

大型推理模型通過鏈式思考（CoT）解決復雜問題，但常常陷入“過度思考”。生成冗余的推理token，不僅浪費計算資源，還導致準確率下降。現有緩解方法要么需要大量訓練資源，要么依賴精心設計的提示詞或不可靠的置信度信號，缺乏一種高效、可靠且易于部署的早停機制。

ASAG（Attention-State Adaptive Generation）從注意力分布的獨特視角切入，通過分析推理過程中注意力狀態的變化來推斷模型的推理狀態，進而自適應地調整生成策略。該方法無需訓練、即插即用，可無縫集成到現有的推理模型中，在模型"想清楚了"的時候及時停止生成，避免無效推理。

在9個基準測試上的實驗表明，ASAG在DeepSeek-R1-Distill和Qwen3系列等主流模型上均取得一致提升。特別是在Qwen3-8B上，平均準確率提升3.2%，生成token數減少近40%。這一工作證明：學會"停下來"，反而能讓AI更聰明。