ICML 2026前瞻：投稿翻倍背后，機器學習正在換擋

本文作者：吳思夢

2026-07-02 09:48

專題：ICML：國際機器學習會議

導語：首爾見，ICML見，新方向見。

首爾見，ICML見，新方向見。

作者丨吳思夢

編輯丨岑峰

7月6日–11日，第43屆國際機器學習大會（ICML 2026）將首次落地韓國首爾COEX會展中心舉行，會議主題為“Machine Learning for the Real World”，強調機器學習在真實場景中的落地。

（圖源： CS Conf Stats）

根據計算機科學會議統計看板 CS Conf Stats的最新數據顯示，今年共接收論文6352篇（常規主賽道論文），102%的增幅，接受率26.6%，與去年的26.9%基本持平。

23918篇投稿，6352篇接收，26.6%接受率，Spotlight占比2.2%，Oral 演講占總投稿數的 0.7%——ICML創辦43年來，還沒有哪一年的投稿量像今年這樣翻倍式增長。而在投稿量翻倍的前提下維持接受率，也傳遞出會議正在主動擴容的訊號。

除此之外，今年兩項全新的制度調整，為學術社區帶來了透明度的實質性變化：其一是參會展示改為可選，接收論文作者可以選擇僅以論文集形式收錄，在會議記錄中享有同等地位且均可參評獎項。其二是原始投稿版本將被公開，包括匿名評審意見、作者Rebuttal及審稿人、作者討論內容。

三大趨勢重塑行業走向，具身模型成熱門

把近三年ICML的熱點關鍵詞串聯起來，機器學習的轉向脈絡會格外清晰：2024-2025年的熱點“Transformer變體、PEFT微調、擴散模型優化”已日漸飽和，純粹的增量改進在ICML極難生存。2025年底以來談論最多的的紅利方向，諸如Alignment、Agent、可解釋性、測試時訓練（TTT）正在成為今年論文的主體。而當前正在搶占的戰略高地，是具身智能的世界模型、科學計算的深水區，以及可信AI的政策框架。

如果說論文數量反映的是“關注度”，那論文方向的變化反映的是“行業焦慮”。從今年ICML論文反映的技術版圖里，有三個不可忽視的信號：

▎LLM 推理：從“更大模型”到“更好思考”

通過對 OpenReview 中錄用論文的 Keywords 進行全量文本檢索，我們發現LLM相關論文占今年接收論文的近20%，如果算上對齊、安全、Agent等間接相關方向，比例超過30%。但真正值得關注的是研究性質的變化。

LLM相關論文占今年接收論文的近20%，算上對齊、安全、Agent等間接相關方向，比例超過30%。但數字不是重點——重點是研究性質的根本變化：不再堆參數，更多的是堆"思考"。

多篇論文追問同一個問題：在推理階段投入更多計算資源，能否超越單純增大參數量？有研究者將MCTS（蒙特卡洛樹搜索）引入LLM推理，提出預算感知的搜索策略；也有人從信息論視角分析隱式思維與顯式思維鏈的邊界，追問一個更根本的問題，即模型在“不說話”的時候，到底能不能推理？

強化學習（RL）以886篇論文成為今年ICML第一大方向，PPO系列獨占201篇。DeepSeek-R1背后的GRPO技術被多篇論文進一步變體化，研究者正拆解它為什么有效、能否跨場景復現。中國的工作正在被系統性地引用和分析，這個信號比論文數量更重要。

▎AI 安全正在理論化

114 篇 AI 安全論文，使安全成為 ICML 2026 第三大熱門方向。CML 2026 的 6 位 Invited Talk 演講者中，有 3 位——Verena Rieser（Google DeepMind）、Arvind Narayanan（普林斯頓）和 Pascale Fung（港科大）——的核心研究方向都直接涉及 AI 安全、對齊或社會影響。

ICML 2026特邀演講者，從左到右依次為

Pascale Fung 、Susan Athey 、Sham Kakade 、Aviv Regev、Verena Rieser 、Arvind Narayanan

今年的安全研究呈現出“攻防升級、方法論深化”的特征。越獄攻擊方面，從激活引導到自適應攻擊，研究者正在系統化地揭示 LLM 的脆弱性邊界，安全研究正在從經驗主義走向理論化。

對齊方法上，DPO變體繼續涌現，但同時有工作追問一個被長期忽視的問題：讓模型更“對齊”人類偏好，會不會損害它的推理能力和置信度校準？這不再只是一個錦上添花的優化問題，還是直接影響模型可靠性的基礎命題。

▎模型壓縮與擴散加速并行

116 篇模型壓縮論文，僅次于圖像生成，位列第二。背后是一個產業級的焦慮：大模型太貴，開發者苦token久矣。

KV緩存優化是今年最熱的子話題，從關鍵token選擇到緩存復用策略，研究者正試圖解決LLM推理中最核心的內存瓶頸。MoE架構創新同樣活躍：可微最優傳輸驅動的Dense→MoE轉換、正交增長策略等方案，目標一致，試圖在不損失質量的前提下降低推理成本。

這個方向的升溫傳遞出一個清晰的產業判斷：模型的能力競賽遠未結束，但“能不能用得起”已經從工程問題變成了核心研究問題。

另一個有趣的方向是擴散 LLM 的加速。擴散模型相關論文446篇，擴散模型用于文本生成本身就比自回歸更慢，但它在可控生成和多模態融合上有獨特優勢。ICML 2026 上出現的自適應緩存、并行解碼、熵感知分束等方法，正在縮小擴散 LLM 與自回歸 LLM 之間的效率差距。

除了上述三大趨勢，今年的論文版圖上還有兩個方向增速驚人。

AI for Science方向約860篇論文，占總量13.5%。從基因組序列基礎模型dnaHNet，到形式化數學自動證明APE-Bench，AI正在從“輔助科研工具”變成“科研的主體參與者”。具身智能方向約420篇，增長勢頭最猛。斯坦福團隊提出的VLAW方法，讓視覺-語言-動作策略與世界模型迭代協同改進，在真實世界操作任務中實現39.2%的性能提升——從虛擬環境走向物理世界，是今年最值得產業界關注的信號之一。

中國研究者的ICML時刻

張潼——現任UIUC計算機系教授，曾任騰訊AI Lab主任、百度研究院副院長，擔任本屆ICML大會主席（General Chair），也是ICML歷史上首位華人主席。清華、北大、中科院、浙大、上交在接收論文作者列表中的出現頻率逐漸增加，據官網公開報道，北京大學、上海交通大學各有9篇高水平論文成功入選，浙江大學3篇。

張潼

中國研究者開始在具體方向上不只是做增量改進。一個具體的標志是DeepSeek。過去一年里，DeepSeek-R1讓整個社區重新審視“低成本高性能”的技術路線。原來不一定要堆幾萬張卡，也能做出有競爭力的推理模型。今年ICML接收論文中，至少有數十篇在正文中直接引用DeepSeek的工作。中國研究者正在從“跟隨者”變成“被引用者”，這個轉變雖然剛發生，但方向是清晰的。

多模態方向同樣值得關注。Qwen-VL（阿里）、InternVL（OpenGVLab/復旦）、DeepSeek-VL等系列工作，使中國機構在視覺-語言模型方向上形成了從架構、訓練到評測的完整貢獻鏈。企業側，據公開信息，騰訊、阿里、字節、百度、華為均有論文被接收，且涉及核心算法創新而非僅僅是工程實現。華為昇思和百度飛槳在系統層面的貢獻，也開始獲得國際同行的實質性引用。

差距當然還在。美國在基礎理論上的積累、歐洲在概率方法與理論方向上的深度，仍然明顯領先。但中國研究者的參與方式正在發生變化，在一些前沿方向上開始定義問題。這個變化雖然溫和，但是結構性的。