ICML 相关 AI 资讯

8月19日

00:08

官方账号Clement Delangue@ClementDelangue

81°

Hugging Face在ICML复现挑战赛中，1,221名人类与编码智能体合作，复现了2,226篇论文。活动在HF Hub上公开进行，产生了6,816份复现日志、2,962个云任务和35,908条判断记录。Hugging Face CEO表示，Hub的下一个百万用户可能不是人类，这对开放科学是好事。

推荐理由：看看AI智能体怎么在HF Hub上公开复现论文，整个过程透明可查，和闭门评测形成对比。

原文

8月3日

10:06

官方账号arXiv cs.LG@Luca Viano, Antoine Moulin, Audrey Huang, Volkan Cevher, Philip Amortila, Dylan J. Foster

该论文研究专家交互在模仿学习中的作用，发现交互可放宽对学习者模型的表征要求，只需实现专家价值函数而非完整策略。作者提出OVI算法，在能表示专家价值函数时统计高效，并借助线性最大化预言机实现计算高效。负向结果表明，在仅具备价值可实现性假设下，离线模仿学习算法必须依赖策略类复杂度。实验显示OVI优于BC、DAgger及离线价值法，在模型表达能力弱于专家时增益最大。

论文模仿学习 OVI 交互式学习

推荐理由：这篇论文把模仿学习里交互到底帮不帮忙讲清楚了，还给了能跑的OVI算法，做RL或蒸馏的值得看一眼。

原文

7月22日

00:59

官方账号MIT CSAIL@MIT_CSAIL

精选78°

MIT研究人员提出一种新算法，能在指数级更少的采样步骤内达到与标准扩散模型相同的精度。该算法可大幅提升图像生成等扩散AI系统的效率。相关论文在ICML 2023荣获杰出论文奖（Outstanding Paper）。

论文 MIT 扩散模型采样加速

推荐理由：MIT搞了个新算法，采样扩散模型快了很多，还拿了ICML最佳论文奖，做图像生成的朋友可以看看。

原文

7月13日

11:15

官方账号Together AI@togethercompute

Together AI联合NVIDIA和Lyra Labs，在ICML 2025会议上主办一场炉边谈话，由Tri Dao主持。活动主题聚焦AI研究与基础设施的未来发展。会议将于ICML期间举行，需RSVP参与。

行业 Together AI NVIDIA Lyra Labs

事件专题

推荐理由：Tri Dao带队，Together AI、NVIDIA和Lyra Labs一起聊AI研究走向，ICML现场限定，想去的赶紧RSVP。

原文

7月10日

11:04

官方账号MIT CSAIL@MIT_CSAIL

MIT CSAIL在ICML 2023上展示了一项成果：利用真实感虚拟环境训练机器学习系统。该方法在多个仿真场景中提升了模型的泛化能力，例如在Unreal Engine渲染的室内环境中进行物体识别和导航。与以往在简单虚拟环境中的训练相比，这种方法在真实世界测试中准确率提高了15-20%。

论文 ICML MIT CSAIL 虚拟环境

推荐理由：MIT CSAIL在ICML上发了新招：用真实感虚拟环境训练ML系统，效果比传统方法好15-20%，搞仿真和机器人可以关注。

原文

7月8日

04:54

官方账号Microsoft Research@MSFTResearch

精选

微软在ICML 2025（首尔）上接收超100篇论文，含3个口头报告和1个展览演示。亮点包括Fara 1.5计算机使用智能体，以及一种抗批评的基准测试方法。扩展的蛋白质ML基准FLIP2被推出。此外，微软还改进了LLM推理稳定性。

论文 Fara 1.5 FLIP2 Microsoft

推荐理由：微软在ICML上发了100多篇论文，Fara 1.5能操作电脑，还有FLIP2蛋白质基准，做研究的朋友可以关注。

原文

04:28

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA Research提出MOTIVE方法，用于识别视频模型训练中对运动建模真正重要的片段。MOTIVE通过重新加权训练信号，聚焦运动区域、淡化静态背景，并依据对运动的影响程度为每个片段打分。仅用少量高影响子集微调，即可提升时序动态质量，在VBench动态性指标上显著提升，并以74.1%的人类偏好胜率优于基线模型。该工作获ICML2026杰出论文荣誉提名。

AI模型 MOTIVE NVIDIA 视频生成

事件专题

推荐理由：NVIDIA 发了新方法 MOTIVE，帮你从海量视频里挑出对运动建模最有效的片段来微调，效果比基座好很多。

原文

7月7日

01:11

官方账号NVIDIA AI@NVIDIAAI

精选

在 ICML 2026 上，NVIDIA 的 Nemotron 模型和数据集被 145 篇论文引用。NVIDIA 自身有 74 篇论文被接受，约 2000 篇论文引用了 NVIDIA GPU。这些数据体现了 NVIDIA 在 AI 研究中的基础设施地位。Nemotron 作为开放模型正在成为现代 AI 研究的基础。

AI模型 NVIDIA Nemotron ICML

事件专题

推荐理由：NVIDIA在ICML 2026上刷了一波存在感：145篇论文用上Nemotron，74篇自家论文入选，还有2000篇靠NVIDIA GPU跑出来的。学术圈地位一览无余。

原文

01:09

官方账号NVIDIA AI@NVIDIAAI

精选

这篇ICML论文区分了大型语言模型的非预期记忆与泛化，并估计GPT风格模型容量约为每参数3.6比特。该结果为数据、扩展和隐私推理提供了更精确的视角。研究者通过实验方法量化了模型记忆边界。

论文 GPT ICML 记忆容量

推荐理由：NVIDIA发了篇ICML论文，算出每个参数只能记住3.6比特，帮你理解模型记性边界和隐私风险。

原文

7月6日

19:51

量子位@量子位的朋友们

精选73°

阿里与清华团队在ICML 2025上发表极简方案，刷新扩散模型推理纪录。该方案大幅简化了扩散模型推理流程，实现了速度与质量的提升。论文被ICML评选为杰出论文。

论文阿里清华 ICML

推荐理由：阿里和清华的新研究，用极简单的方法把扩散模型推理速度刷到新纪录，还拿了ICML杰出论文，搞生成模型的快看。

原文

6月29日

13:52

官方账号EleutherAI@AiEleuther

EleutherAI在ICML 2024会议上发布了参会指南。指南包含了他们在会议期间的展位和演讲安排。参会者可通过链接获取详细位置信息。

技巧 EleutherAI ICML 开源模型

推荐理由：EleutherAI发了他们在ICML的定位指南，想去现场找他们的可以看看，免得错过。

原文

6月25日

10:48

AI Will@FinanceYF5

精选

LatentMAS提出让多智能体在隐空间直接传递推理状态，跳过文字编解码。该方法在多个基准上准确率提升13.3%，推理速度提高4.3倍，token用量减少83.7%。LatentMAS无需额外训练，可直接插入现有LLM使用，入选ICML 2026 Spotlight论文。

AI模型 LatentMAS 智能体 ICML

推荐理由：这个新方法让多智能体能悄悄交换推理状态，不用写文字，又快又省token，直接插进现有LLM就能用。

原文

10:30

AI Will@FinanceYF5

精选73°

LatentMAS 论文已被 ICML 2026 接收为 spotlight 展示。该方法让 LLM 智能体直接通过隐藏嵌入进行推理和通信，无需文本解码或额外训练。在复杂推理任务上准确率提升最高达 14.6%，推理速度提高 4-4.6 倍，输出 token 使用减少 70.8%-83.7%。采用自回归潜在思维、KV-cache 传输等机制实现无训练协作。该技术可即插即用于现有 LLM，推动多智能体系统从文本交流转向潜在空间协同思考。

论文 LatentMAS ICML 多智能体系统

推荐理由：ICML 2026 spotlight！这帮人让多智能体在潜在空间用思想沟通，不用说话，比传统文本交互快4倍，准确率还高14.6%。

原文