ICML 2026 获奖论文揭晓：黄高团队获杰出论文，A3C 获时间检验奖

ICML 2026 正式公布本届最佳论文奖项。本届共评选出 10 篇获奖论文，包括 2 篇杰出论文奖、1 篇杰出立场论文奖、5 篇杰出论文荣誉提名奖、1 篇杰出立场论文荣誉提名奖，以及 1 篇时间检验奖。ICML 由国际机器学习学会（IMLS）主办，与 NeurIPS、ICLR 并列为人工智能领域三大顶级会议。本届 ICML 为第四十三届，于 7 月 6 日至 11 日在韩国首尔举行，共收到 247 份 workshop 提案，最终 44 个入选举办。

评选机制

ICML 2026 延续严格的学术筛选标准。程序委员会主席综合审稿人评分与领域主席提名，从全部投稿中遴选出 53 篇候选论文，并兼顾八个一级主题方向的均衡覆盖，以减少跨领域评审标准差异带来的偏差。候选名单经再度评审后进一步缩减至 22 篇，最终由 11 位成员组成的杰出论文评选委员会交叉评审、严格回避利益冲突，并视情况引入外部专家意见，从中选出 2 篇杰出论文与 5 篇荣誉提名论文。

两篇杰出论文奖

清华-阿里：重新审视扩散语言模型的任意顺序生成

论文《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》由清华大学与阿里巴巴合作完成。扩散式大语言模型（dLLMs）打破了传统 LLM 从左到右生成的约束，允许 token 按任意顺序生成。研究者发现，在数学、编程等通用推理任务中，这种灵活性反而可能限制 dLLMs 的推理潜力——模型会利用顺序灵活性绕开高不确定性但对探索至关重要的 token，导致解空间过早收缩。

基于这一观察，研究者重新思考面向 dLLMs 的强化学习方法，证明更有效地激发推理能力的方式恰恰是放弃任意顺序生成，直接采用标准的 Group Relative Policy Optimization（GRPO）。其方法 JustGRPO 极为简洁，在 GSM8K 上达到 89.1% 的准确率，同时完整保留了 dLLMs 的并行解码能力。

MIT-耶鲁：扩散模型高精度采样算法

论文《High-accuracy sampling for diffusion models and log-concave distributions》由麻省理工学院与耶鲁大学合作完成。研究提出了一类新的扩散模型采样算法，在能够获得高精度 score 估计的前提下，将采样误差相对此前结果实现指数级降低，最小数据假设下复杂度与数据的内在维度相关。论文还给出了首个仅依赖梯度评估、即可用于一般对数凹分布的采样器。

两篇杰出立场论文：直面 AI 安全与滥用

AI 对齐的「双重用途」风险

慕尼黑大学与独立研究者的立场论文《Position: The Alignment Community is Unintentionally Building a Censor's Toolkit》指出，现代 AI 对齐方法原本旨在防止模型输出有害内容，但其本身也是一种双重用途技术，很容易被恶意行为者用于审查和操纵。作者呼吁研究社区正视 AI 对齐机制被有意滥用的可能性，并提出相应的缓解策略。

深度伪造研究与 AIG-NCII 的错位

密歇根大学的立场论文《Position: AI/ML Deepfake Research is Misaligned with AI-Generated Non-Consensual Intimate Imagery》指出，当前针对深度伪造的技术干预几乎完全忽视了 AI 生成的非自愿亲密图像（AIG-NCII），使整个研究生态基本局限于真实性检测工具，而忽视了以图像主体为中心的尊严伤害。作者呼吁将 AIG-NCII 纳入威胁模型，并在研究者与图像主体双方都建立安全护栏。

五篇荣誉提名论文

• FAR.AI《The Obfuscation Atlas》：针对 RLVR 中的白盒欺骗检测器训练，提出激活混淆与策略混淆两种规避机制，并证明当 KL 正则化与检测器惩罚足够高时，模型可学到诚实策略。
• 英伟达-普林斯顿-MIT《Motion Attribution for Video Generation》：提出 Motive 框架，首次在视频生成中针对运动而非外观进行归因并用于微调数据筛选，在 VBench 上同时提升运动平滑度与动态程度，人类偏好胜率达 74.1%。
• Meta FAIR-DeepMind-康奈尔-英伟达《How much can language models memorize?》：将记忆拆分为非预期记忆与泛化两部分，测得 GPT 风格模型容量约为每参数 3.6 比特，并给出模型容量、数据规模与成员推断之间的缩放律。
• 哈佛《A Random Matrix Perspective on the Consistency of Diffusion Models》：用随机矩阵理论解释扩散模型在不同数据划分上输出高度一致的现象，将数据谱性质与生成输出稳定性联系起来。
• 普渡-魏茨曼-内盖夫本-古里安《To Grok Grokking》：在岭回归设定下首次对 grokking（泛化延迟）给出严格定量界限，表明该现象并非深度学习固有失效模式，而源于特定训练条件。

时间检验奖授予 A3C

ICML 2026 时间检验奖授予 DeepMind 与蒙特利尔大学的论文《Asynchronous Methods for Deep Reinforcement Learning》（A3C 算法）。评选范围为 ICML 2016 接收的所有论文，评审方依据引用量与学术声誉筛选出八篇候选，并咨询相关子领域顶尖研究者评估长期影响力，最终 A3C 成为明确获奖者。该工作奠定了异步深度强化学习的基础，对后续 Actor-Critic 系列研究与大规模 RL 系统产生了深远影响。