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。
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。
01
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。
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。
02
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。
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。
03
为什么今年的 ICML 格外值得关注
今年的 ICML 有一种 " 分水岭 " 的气质。
投稿量翻倍这个事实本身就说明，AI 研究的生产力正在发生质变。无论是 LLM 辅助写作带来的效率提升，还是 AI 从业者群体本身的膨胀，23918 篇投稿是一个不可逆的临界点。
技术方向上，我们正在见证从 " 预训练驱动 " 到 " 后训练驱动 " 的范式转移。LLM 推理、测试时计算、AI 安全、对齐方法的集中爆发，本质上都在回答同一个问题：当模型已经足够大，下一步做什么？ICML 2026 给出的答案是：让模型学会思考，让模型学会安全，让模型变得高效。
另一个值得留意的信号是今年 ICML 上出现了多篇 Position 论文——这类论文不报告实验结果，而是提出 " 我们认为领域应该这样做 " 的观点性主张，涉及 Agent 实验规范、可解释性标准、辅助 AI 的个性化范式等。
最后，雷峰网 · AI 科技评论将派团队前往首尔，全程报道 ICML 2026！带着中国视角，实地去判断哪些方向真正值得产业关注，而哪些只是纸上谈兵。
一个人读论文太孤单，一群人刷顶会才好玩。
ICML 2026 召开在即，我们正在召集一波含金量极高的 AI 研究者。群内主打实时论文跟踪与硬核技术探讨，拒绝灌水。
? 进群传送门： 扫码进群或添加微信 Vin_Vivid，备注：论文群 + 关注的 AI 方向。
搞科研 / 搞技术，信息差很重要。
来，一起快人一步！
上车，带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲 PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注专区。
