ICML 2026放榜，清华黄高团队斩获杰出论文奖

刚刚，人工智能（AI）顶会 ICML（国际机器学习大会）公布了 2026 年度奖项，包括杰出论文奖（Outstanding Paper Award）、杰出立场论文奖（Outstanding Position Paper Award）以及时间检验奖（Test of Time Award）。

本次大会杰出论文共有9篇入围，含7篇研究论文及2篇立场论文，最终优胜奖3名和荣誉提名6名；ICML时间检验奖花落强化学习领域，DeepMind经典巨作再封神。

其中，清华大学自动化系长聘副教授、博士生导师，清华大学智能产业研究院（AIR）研究员黄高团队获得杰出论文奖。

ICML，全称国际机器学习大会，和NeurIPS、ICLR并列AI领域三大顶会，每年投稿量过万，接收率不到三成。杰出论文奖就是机器学习领域的奥斯卡。而这份名单的含金量，不只是在表彰技术贡献，更像是在给整个领域发出方向性信号。

以下是获奖论文详情：

ICML 2026 杰出论文奖

The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models

作者：Zanlin Ni、Shenzhi Wang、Yang Yue、Tianyu Yu、Weilin Zhao、Yeguo Hua、Tianyi Chen、Jun Song、Cheng Yu、Bo Zheng、Gao Huang

机构：清华大学等

论文链接：https://arxiv.org/abs/2601.15165

论文简介：扩散大语言模型（dLLM）打破了传统自回归模型从左到右生成的限制，能够以任意顺序生成 token。直觉上，这种顺序自由意味着解空间严格超越固定的自回归轨迹，理论上应能解锁更强推理能力，因此不少工作尝试用强化学习来激发 dLLM 的推理潜力。

然而，这篇论文揭示了一个反直觉的现象：在当前形式下，任意顺序生成非但没有扩展 dLLM 的推理边界，反而使其收窄。

研究团队发现，dLLM 会利用这种顺序自由绕开对探索至关重要的高不确定性 token，导致解空间过早坍缩。这是一个此前未被充分认识的失效模式。

基于这一发现，研究团队提出重新审视 dLLM 强化学习后训练的采样策略，采用更简单的固定从左到右生成顺序来进行 RL rollout（即 JustGRPO 方案），同时在推理阶段保留并行解码能力。这项工作把“RL rollout 应该采用何种采样策略”这一尚未被充分探讨的问题重新摆上了台面。

High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions

作者：Fan Chen、Sinho Chewi、Constantinos Daskalakis、Alexander Rakhlin

机构：麻省理工学院（MIT）、耶鲁大学

论文链接：https://arxiv.org/abs/2602.01338

论文简介：这篇论文回答了基于分数（score-based）采样理论中一个长期悬而未决的问题：仅凭分数（梯度）估计，是否可能只用 polylog(1/ε) 步就达到 ε 误差，而不是依赖离散化采样器所需的 poly(1/ε) 步。

对扩散模型而言，这意味着达到目标采样精度所需的去噪步数（即分数函数评估次数）原则上可以从多项式降至对数多项式级别，为用更少的函数评估次数实现高精度扩散采样提供了理论支撑。

本届立场论文赛道的评选由赛道联合主席 Dale Schuurmans 与 Jerry Zhu 主持。领域主席提名候选论文后，两位联合主席各自独立通读并评估，结果高度一致，最终选出一篇杰出立场论文与一篇荣誉提名。

Position: The Alignment Community is Unintentionally Building a Censor's Toolkit

作者：Sarah Ball、Phil Hackemann

机构：慕尼黑大学等

论文链接：https://openreview.net/pdf?id=dy2HwmOvFX

论文简介：这篇论文挑战了一种普遍存在的舒适假设，即“我们所做的对齐研究天然是一股向善的力量”，指出即便是价值对齐这一确保 AI 无害的核心工具本身，也可能被滥用。

ICML 2026 时间检验奖

时间检验奖的评选由 ICML 2016 联合项目主席 Kilian Weinberger 主持，候选范围覆盖当年所有被 ICML 2016 接收的论文，他们先根据引用量与学术声誉筛出 8 篇候选论文，再咨询各自子领域的权威学者评估长期影响力，最终评选出ICML 2026时间检验奖。

Asynchronous Methods for Deep Reinforcement Learning

作者：Volodymyr Mnih、Adrià Puigdomènech Badia、Mehdi Mirza、Alex Graves、Timothy P. Lillicrap、Tim Harley、David Silver、Koray Kavukcuoglu

机构：谷歌、蒙特利尔大学

论文链接：https://arxiv.org/pdf/1602.01783

论文简介：这篇论文开创了异步强化学习方法，是 RL 在大语言模型后训练中取得成功的重要推动因素之一，也重塑了业界实践强化学习的方式。

ICML 2026 杰出论文荣誉提名

The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes

作者：Mohammad Taufeeque、Stefan Heimersheim、Adam Gleave、Chris Cundy

机构：FAR AI

论文链接：https://arxiv.org/abs/2602.15515

论文简介：这篇论文在一个真实的代码优化环境中（该环境天然容易诱发奖励作弊）系统研究了针对白盒“测谎探针”（lie detector）进行训练所带来的风险。

Motion Attribution for Video Generation

作者：Xindi Wu、Despoina Paschalidou、Jun Gao、Antonio Torralba、Laura Leal-Taixé、Olga Russakovsky、Sanja Fidler、Jonathan Lorraine

机构：英伟达、普林斯顿大学、MIT CSAIL

论文链接：https://arxiv.org/abs/2601.08828

论文简介：这篇论文提出 Motive，一种面向运动的、基于梯度的数据归因框架，可扩展至大规模高质量视频数据集与生成模型，用于追踪单条训练样本对视频生成中运动质量的影响。

How much can language models memorize?

作者：John Xavier Morris、Chawin Sitawarin、Narine Kokhlikyan、Chuan Guo、G. Edward Suh、Alexander M. Rush、Kamalika Chaudhuri、Saeed Mahloujifar

机构：Meta、谷歌、康奈尔大学、英伟达

论文链接：https://arxiv.org/abs/2505.24832

论文简介：语言模型究竟是在复述存储的知识，还是在真正泛化，一直存在争议。这篇论文提出用“柯尔莫哥洛夫式记忆”来衡量模型对一个数据分布究竟学到了多少，并将记忆进一步拆分为“非预期记忆”（模型包含的特定数据集信息）与“泛化”（模型包含的真实数据生成过程信息）两部分。

A Random Matrix Perspective on the Consistency of Diffusion Models

作者：Binxu Wang、Jacob A. Zavatone-Veth、Cengiz Pehlevan

机构：哈佛大学等

论文链接：https://arxiv.org/abs/2602.02908

论文简介：近期实证研究发现，扩散模型在确定性采样下展现出极高的跨训练一致性，即便用不同数据切分、不同架构训练，同一个噪声种子也会被映射到几乎相同的图像输出。

To Grok Grokking: Provable Grokking in Ridge Regression

作者：Mingyue Xu、Gal Vardi、Itay Safran

机构：普渡大学等

论文链接：https://arxiv.org/abs/2601.19791

论文简介：Grokking 是指模型先快速过拟合、泛化很差，但训练足够久之后才逐渐学会泛化的现象，这一现象之所以引人关注，是因为它暗示了模型何时才真正学到了复杂问题背后的“真实”结构。

ICML 2026 杰出立场论文荣誉提名

Position: AI/ML Deepfake Research is Misaligned with AI Generated Non-Consensual Intimate Imagery (AIG-NCII)

作者：Li Qiwei、Wells Lucas Santo、Sarita Schoenebeck、Eric Gilbert

机构：密歇根大学

论文链接：https://openreview.net/pdf?id=mLhZzo7BIb

论文简介：这篇论文指出了当前 Deepfake 研究与 AI 生成的非自愿亲密影像（AIG-NCII）问题之间存在的非对齐（misalignment）。论文清晰展示了现有技术研究重心与 AIG-NCII 造成的普遍性伤害之间的差距，说明当前研究对受害者影响的忽视正在加剧而非缓解 AIG-NCII 带来的负面后果，并提出了一份研究议程清单。作者认为，这篇论文是所有从事该领域研究的人都应该读一读的文章。

已收藏 0

点赞 3