ICML 2026开幕，清华团队获杰出论文奖

背景

第 43 届国际机器学习大会（ICML 2026）于 2026 年 7 月 6 日在韩国首尔 COEX 会展中心开幕，到场研究人员超过 11000 人。本届会议创下历史投稿纪录，共收到 23918 篇有效投稿，较 2025 年的 12107 篇翻倍；最终录用 6352 篇（录用率 26.6%），其中 536 篇入选 Spotlight（占 2.2%），168 篇获得 Oral 报告资格（占 0.7%）。

在投稿规模与录用数量双双破纪录的同时，ICML 组委会因审稿过程中违规使用大语言模型（LLM）做出严厉处罚：497 篇论文在评审阶段被直接“桌拒”（Desk Reject），占投稿总数约 2%。组委会在审稿意见中检测出 795 处违规使用 LLM 撰写评审意见的行为，涉及 506 名审稿人。根据 ICML 1 月发布的同行评审新规，若审稿人未能履行职责，其名下所有投稿论文均可能被直接拒稿。本次被处罚的审稿人均在签署了“不使用 LLM”协议的前提下依然违规使用，且未作任何标注。组委会通过嵌入水印及“更为复杂的综合研判手段”锁定违规行为，而非依赖单一 AI 检测器。这一“连坐”式处罚引发激烈争议，支持者认为捍卫学术诚信，反对者质疑 AI 检测器误报风险，并追问“若审稿意见本身质量过硬，是否真的有必要追究其是否由 AI 撰写”。

核心内容

杰出论文奖（Outstanding Paper Award）

本届两篇论文获杰出论文奖：

1. 《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》
来自清华大学黄高教授团队。该论文挑战了扩散语言模型（dLLMs）中“任意顺序生成 token 具有更大灵活性”的行业共识。通过大量实验，团队发现一个反直觉现象：在数学推理、编程等通用推理任务中，这种“顺序自由”反而成为性能拖累——模型会利用灵活性“逃避”生成高不确定性的关键 token，导致解空间过早坍缩，无法探索更优解。团队将这一现象命名为“灵活性陷阱”。他们提出的解决方案 JustGRPO 极简而有效：在强化学习阶段强制模型放弃任意顺序策略，仅使用标准的从左到右自回归顺序，即群组相对策略优化（Group Relative Policy Optimization, GRPO）进行训练。实验结果显示，该方法在 GSM8K（512）数学推理基准上达到 89.1% 的准确率，在 MATH-500（512）上达到 45.1%，且完整保留了 dLLMs 的并行解码能力，不牺牲推理速度。

2. 《High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions》
来自 MIT 和耶鲁大学。该论文从理论层面解决了扩散模型采样的核心难题：在仅拥有不完美的分数估计（score estimates）时，能否用极少的采样步骤达到高精度。作者给出肯定答案，并提出一种全新算法，在能访问 Õ(δ)-精度的 L² 得分估计的前提下，仅需 polylog(1/δ) 步即可实现 δ-误差，这是对所有先前结果的指数级改进。论文给出三种不同数据假设下的具体复杂度界限：最小假设下为 Õ( d · polylog(1/δ) )，仅依赖数据维度 d；非均匀 Lipschitz 条件下为 Õ√(dL) polylog(1/δ)；若数据分布具有内在低维结构，复杂度可降至 Õ( d · polylog(1/δ) )，实现维度自适应。该算法还首次实现了仅靠梯度评估即可达到 polylog(1/δ) 复杂度的通用对数凹分布采样，为贝叶斯推断、统计采样等领域提供了理论突破性工具。

杰出论文荣誉提名（Outstanding Paper Honorable Mention）（5 篇）

• 《The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes》：在 RLVR（带可验证奖励的强化学习）背景下，通过白盒欺骗探测器促使 AI 系统变得诚实，提出强 KL 正则化与检测器惩罚来有效抑制混淆行为。
• 《Motion Attribution for Video Generation》：提出 Motive 框架，通过运动加权损失掩码将视频中时间动态与静态外观分离，利用基于梯度的归因方法筛选关键数据，在 VBench 上获得 74.1% 的人类偏好胜率。
• 《How much can language models memorize?》：提出基于模型参数数量与训练数据量比例的理论框架，量化记忆能力，发现 GPT 类模型记忆容量约为每参数 3.6 比特，且存在“临界比例”——当训练数据量超过模型参数量的某一倍数后，模型会开始遗忘而非继续记忆新数据。
• 《A Random Matrix Perspective on the Consistency of Diffusion Models》：利用随机矩阵理论，解释扩散模型在不同数据子集上训练后仍能生成相似样本的“一致性”现象。将模型简化为线性情形，通过确定性等价方法精确刻画有限数据集对生成输出的影响，发现输出主要由数据共享高斯统计量（均值和协方差）决定，理论预测可在 UNet 和 DiT 等深度架构中定性验证。
• 《To Grok Grokking: Provable Grokking in Ridge Regression》：首次为“Grokking”现象提供严格数学证明，在过参数化岭回归模型中建立端到端理论框架，精确刻画模型从过拟合到泛化的三阶段动态过程，并首次量化“Grokking 延迟时间”与学习率、权重衰减等超参数之间的定量界限。

杰出立场论文奖（Outstanding Position Paper Award）

获奖论文：《Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit》
该论文指出，当前 AI 对齐领域研究者在善意出发点下，无意中构建了一套可用于大规模审查的工具包。作者认为，许多对齐技术（如内容过滤、意图检测、价值观约束、输出干预）具备高度通用性，既能防止有害输出，也极易被挪用于政治审查、信息控制和言论压制。论文挑战了“价值对齐天然是向善力量”的假设，呼吁研究者正视双重用途困境，在技术开发中嵌入反审查设计原则，并推动更透明的治理机制。

荣誉提名：《Position: AI/ML Deepfake Research is Misaligned with AI Generated Non-Consensual Intimate Imagery (AIG-NCII)》
论文揭示当前 AI/ML 深度伪造研究重心与真实世界主要滥用形式（AI 生成的非自愿亲密图像，AIG-NCII）之间的错位。提出“以观看者为中心的认知性伤害”与“以受害者为中心的尊严伤害”的关键区分，指出仅检测图像真伪并不能减轻对受害者的实际伤害，甚至可能加剧伤害。呼吁研究界将重点转向以受害者尊严为核心的伤害，更新威胁模型，并与相关专家合作。

时间检验奖（Test of Time Award）

获奖论文：《Asynchronous Methods for Deep Reinforcement Learning》，由 Google DeepMind