ICML 2026

复旦大学

2026-09-15 12:49:09

复旦大学发布 AVTrack 音视频说话人追踪基准，论文已被 ICML 2026 接收

复旦大学 CVL 实验室发布面向复杂人类中心场景的音视频追踪基准 AVTrack，并公开项目主页、论文、代码与数据集。该基准包含 871 段视频、平均时长 54.0 秒、3,120 条带跨帧身份的像素级实例轨迹，覆盖 8 类可诊断挑战。团队评测显示，现有方法在长期身份关联和音视频不一致场景下仍存在明显短板，其中 AVTracker 在 HOTA 指标上达到 29.08。

570

谷歌研究

2026-08-14 07:41:09

谷歌研究称 GPT-5 与 Gemini 3 存在“舌尖现象”

谷歌研究发现，GPT-5 和 Gemini 3 等模型对 95%–98% 的测试事实已完成参数存储，但在直接问答中仍有 26%–34% 的事实无法取出，即使开启 thinking 后仍有 11%–12% 无法回忆。研究基于新基准 WikiProfile，对 13 个模型累计生成约 450 万条回答。结果显示，前沿模型事实错误的主要瓶颈已从“没学到”转向“取不出”，冷门知识和反向提问是最明显的卡点。

1450

AI论文复现

2026-08-09 08:20:07

AI复核论文掀出高比例问题，顶会复现审计结果引发关注

针对 ICML 2026 论文的两项 AI 复现与核查项目显示，论文可复现性和客观错误问题正在被集中暴露。一项审计称，168 篇口头报告中有 92 篇具备至少 5 条可验证结论，其中 58 篇无法复现；另一项基于 GPT-5 的检查系统则称，顶级 AI 会议和期刊论文平均每篇检出 4.7 个客观错误，99.2% 的论文至少被标记出一个问题。不过，报道同时强调，无法复现并不等同于造假，AI 工具结果仍需人工复核。

2160

ICML 2026

2026-07-15 07:53:09

ICML 2026接收提示词工程论文，Reddit围绕研究价值激辩

一篇提出 Verbalized Sampling（VS）方法的论文被 ICML 2026 接收后，在 Reddit 引发热议。论文称，仅通过调整提示词并让模型输出概率分布，就能缓解大语言模型的模式坍缩，在创意写作任务中将多样性提升至普通提示的 1.6 至 2.1 倍。争议集中在“Prompt 技巧”是否足以构成顶会级机器学习研究，而支持者则认为，论文对偏好数据中的“典型性偏差”提出了更关键的解释。

1930

AtomWorld

2026-07-15 03:54:07

AtomWorld基准测试显示大模型在原子操作任务上集体失分

由中科大苏州高等研究院、新南威尔士大学等机构发布并在 ICML 2026 亮相的 AtomWorld 基准测试显示，Scaling Law 在原子级结构操作场景中的效果有限。测试覆盖 Claude、GPT、Gemini、Qwen、DeepSeek、Llama 等主流模型，结果显示模型规模扩大可改善部分规则明确任务，但在旋转、区域删除、扩超胞等依赖三维空间理解的任务上提升不稳定。研究据此提出，AI for Science 不能只依赖 Language Scaling，还需转向面向科研实操能力的 Action Scaling。

1930

ICML 2026

2026-07-06 03:29:56

ICML 2026大奖揭晓：扩散模型双获杰出论文，DeepMind A3C摘时间检验奖

ICML 2026 公布年度奖项后，扩散模型成为本届最大赢家，两篇相关论文同时拿下杰出论文奖，分别聚焦扩散语言模型的“任意顺序”局限，以及扩散模型与对数凹分布的高精度采样。与此同时，一篇批评 AI 对齐社区可能无意构建审查工具的立场论文获得表彰。时间检验奖则授予 DeepMind 2016 年提出 A3C 的经典强化学习论文。

1570

0G Labs

2026-06-11 07:00:54

0G Labs 联合多所高校提出 Agora，共识协议自动化测试框架入选 ICML 2026

0G Labs 联合新加坡国立大学、北京大学、北京邮电大学等团队提出自动化测试框架 Agora，入选 ICML 2026。论文披露，Agora 已在 Raft、EPaxos、HotStuff、BullShark 等共识协议中发现 15 个此前未知的深层逻辑漏洞。

670