首尔见，ICML见，新方向见。

作者丨吴思梦

编辑丨岑峰

7月6日–11日，第43届国际机器学习大会（ICML 2026）将首次落地韩国首尔COEX会展中心举行，会议主题为“Machine Learning for the Real World”，强调机器学习在真实场景中的落地。

（图源： CS Co nf Stats）

根据计算机科学会议统计看板 CS Conf Stats的最新数据显示，今年共接收论文6352篇（常规主赛道论文），102%的增幅，接受率26.6%，与去年的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 演讲占总投稿数的 0.7%——ICML创办43年来，还没有哪一年的投稿量像今年这样翻倍式增长。而在投稿量翻倍的前提下维持接受率，也传递出会议正在主动扩容的讯号。

除此之外，今年两项全新的制度调整，为学术社区带来了透明度的实质性变化：其一是参会展示改为可选，接收论文作者可以选择仅以论文集形式收录，在会议记录中享有同等地位且均可参评奖项。其二是原始投稿版本将被公开，包括匿名评审意见、作者Rebuttal及审稿人、作者讨论内容。

三大趋势重塑行业走向，具身模型成热门

把近三年ICML的热点关键词串联起来，机器学习的转向脉络会格外清晰：2024-2025年的热点“Transformer变体、PEFT微调、扩散模型优化”已日渐饱和，纯粹的增量改进在ICML极难生存。2025年底以来谈论最多的的红利方向，诸如Alignment、Agent、可解释性、测试时训练（TTT）正在成为今年论文的主体。而当前正在抢占的战略高地，是具身智能的世界模型、科学计算的深水区，以及可信AI的政策框架。

如果说论文数量反映的是“关注度”，那论文方向的变化反映的是“行业焦虑”。从今年ICML论文反映的技术版图里，有三个不可忽视的信号：

▎LLM 推理：从“更大模型”到“更好思考”

通过对 OpenReview 中录用论文的 Keywords 进行全量文本检索，我们发现LLM相关论文占今年接收论文的近20%，如果算上对齐、安全、Agent等间接相关方向，比例超过30%。但真正值得关注的是研究性质的变化。

LLM相关论文占今年接收论文的近20%，算上对齐、安全、Agent等间接相关方向，比例超过30%。但数字不是重点——重点是研究性质的根本变化：不再堆参数，更多的是堆"思考"。

多篇论文追问同一个问题：在推理阶段投入更多计算资源，能否超越单纯增大参数量？有研究者将MCTS（蒙特卡洛树搜索）引入LLM推理，提出预算感知的搜索策略；也有人从信息论视角分析隐式思维与显式思维链的边界，追问一个更根本的问题，即模型在“不说话”的时候，到底能不能推理？

强化学习（RL）以886篇论文成为今年ICML第一大方向，PPO系列独占201篇。DeepSeek-R1背后的GRPO技术被多篇论文进一步变体化，研究者正拆解它为什么有效、能否跨场景复现。中国的工作正在被系统性地引用和分析，这个信号比论文数量更重要。

▎AI 安全正在理论化

114 篇 AI 安全论文，使安全成为 ICML 2026 第三大热门方向。CML 2026 的 6 位 Invited Talk 演讲者中，有 3 位——Verena Rieser（Google DeepMind）、Arvind Narayanan（普林斯顿）和 Pascale Fung（港科大）——的核心研究方向都直接涉及 AI 安全、对齐或社会影响。

ICML 2026特邀演讲者，从左到右依次为

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

今年的安全研究呈现出“攻防升级、方法论深化”的特征。越狱攻击方面，从激活引导到自适应攻击，研究者正在系统化地揭示 LLM 的脆弱性边界，安全研究正在从经验主义走向理论化。

对齐方法上，DPO变体继续涌现，但同时有工作追问一个被长期忽视的问题：让模型更“对齐”人类偏好，会不会损害它的推理能力和置信度校准？这不再只是一个锦上添花的优化问题，还是直接影响模型可靠性的基础命题。

▎模型压缩与扩散加速并行

116 篇模型压缩论文，仅次于图像生成，位列第二。背后是一个产业级的焦虑：大模型太贵，开发者苦token久矣。

KV缓存优化是今年最热的子话题，从关键token选择到缓存复用策略，研究者正试图解决LLM推理中最核心的内存瓶颈。MoE架构创新同样活跃：可微最优传输驱动的Dense→MoE转换、正交增长策略等方案，目标一致，试图在不损失质量的前提下降低推理成本。

这个方向的升温传递出一个清晰的产业判断：模型的能力竞赛远未结束，但“能不能用得起”已经从工程问题变成了核心研究问题。

另一个有趣的方向是扩散 LLM 的加速。扩散模型相关论文446篇，扩散模型用于文本生成本身就比自回归更慢，但它在可控生成和多模态融合上有独特优势。ICML 2026 上出现的自适应缓存、并行解码、熵感知分束等方法，正在缩小扩散 LLM 与自回归 LLM 之间的效率差距。

除了上述三大趋势，今年的论文版图上还有两个方向增速惊人。

AI for Science方向约860篇论文，占总量13.5%。从基因组序列基础模型dnaHNet，到形式化数学自动证明APE-Bench，AI正在从“辅助科研工具”变成“科研的主体参与者”。具身智能方向约420篇，增长势头最猛。斯坦福团队提出的VLAW方法，让视觉-语言-动作策略与世界模型迭代协同改进，在真实世界操作任务中实现39.2%的性能提升——从虚拟环境走向物理世界，是今年最值得产业界关注的信号之一。

中国研究者的ICML时刻

张潼——现任UIUC计算机系教授，曾任腾讯AI Lab主任、百度研究院副院长，担任本届ICML大会主席（General Chair），也是ICML历史上首位华人主席。清华、北大、中科院、浙大、上交在接收论文作者列表中的出现频率逐渐增加，据官网公开报道，北京大学、上海交通大学各有9篇高水平论文成功入选，浙江大学3篇。

张潼

中国研究者开始在具体方向上不只是做增量改进。一个具体的标志是DeepSeek。过去一年里，DeepSeek-R1让整个社区重新审视“低成本高性能”的技术路线。原来不一定要堆几万张卡，也能做出有竞争力的推理模型。今年ICML接收论文中，至少有数十篇在正文中直接引用DeepSeek的工作。中国研究者正在从“跟随者”变成“被引用者”，这个转变虽然刚发生，但方向是清晰的。

多模态方向同样值得关注。Qwen-VL（阿里）、InternVL（OpenGVLab/复旦）、DeepSeek-VL等系列工作，使中国机构在视觉-语言模型方向上形成了从架构、训练到评测的完整贡献链。企业侧，据公开信息，腾讯、阿里、字节、百度、华为均有论文被接收，且涉及核心算法创新而非仅仅是工程实现。华为昇思和百度飞桨在系统层面的贡献，也开始获得国际同行的实质性引用。

差距当然还在。美国在基础理论上的积累、欧洲在概率方法与理论方向上的深度，仍然明显领先。但中国研究者的参与方式正在发生变化，在一些前沿方向上开始定义问题。这个变化虽然温和，但是结构性的。