ICML 2026 录取率持平投递量翻倍：评审风向从刷榜转向理论硬核
ICML 2026 投稿量达 23,918 篇，较去年翻倍，但接收率仍为 26.56%。评审标准出现显著调整：大模型、AI for Science、具身智能三大方向占据半数以上接收名额；数学理论、鲁棒安全成为隐形门槛，纯工程调参被明确排斥。Best Paper 论文普遍具备突破范式、硬核数学证明或立场前瞻三种基因。
事件概述
ICML 2026 投稿量从去年的 12,107 篇飙升至 23,918 篇，接近翻倍，但最终接收率稳定在 26.56%，与去年几乎持平。这表明竞争并未无序升级，而是评审标准经历了一次系统性的“重新校准”。
三大热点方向占据话语权
综合 ICML 2026 中文导读（6,567 篇标注）和 PaperNotes（1,843 篇精选）数据，76 个二级分类被归并成 8 大主题，三个方向占据了超过一半的接收名额：
-
大模型“向内求索”（约 1,870 篇，28%）：审稿人不再关注简单微调或刷榜，而是要求深入模型内部机制。代表工作如 CircuitLasso 通过稀疏回归捕捉语义传播路径，Weight-Sparse Transformers 证明精简大部分权重后仍可产生可解释电路。
-
AI for Science 深水区（约 860 篇，13.5%）：生物医药（基因组、蛋白质）、物理化学（量子、气象）、科学计算（形式化证明、表格基础模型）投稿激增。评委已拒绝“套用已有模型到新数据集”的浅层组合，要求如 dnaHNet 这样既有 3 倍推理加速又在基因组基准上达到 SOTA 的硬核工作。
-
具身智能（超 420 篇）：VLA 与世界模型融合、双手灵巧操作、Sim-to-Real 跨越是三条最热子赛道。斯坦福 VLAW 通过有限真实数据交替改进世界模型，在真实操作任务中实现 39.2% 性能提升。
三大隐形门槛决定录用与否
- 数学理论硬度回归：具备严谨数学证明、收敛性分析和统计学习理论支撑的文章，评级显著高于纯工程工作。例如 Spurious Rewards 直接挑战 RLVR 核心假设，比多组对比实验更有说服力。
- 鲁棒性与安全性权重飙升：Safe RLHF、对抗防御、差分隐私等方向受到评审委员会系统性偏好。单纯性能优化已难获认可。
- 纯工程调参及提示工程遭遇“免疫”：测试不同 Prompt、微调超参数、叠加 LoRA 等缺乏本质创新的工作被明确排斥。主流范式转向 Next-token 机制理论上限和推理期计算复杂度边界。
Best Paper 的三种获奖基因
基于 ICML 2024–2025 全部获奖论文分析：
- 突破基础范式：挑战当前常识，提出更低复杂度新架构（如 Mamba/SSM 挑战 Transformer 长文本地位）。
- 硬核数学证明：利用最优输运、随机微分方程推导泛化边界，或深入分析 Flow Matching 理论。
- Position Paper（立场论文）：不拼算力，拼学术洞察力和 AI 伦理/数据安全前瞻判断。例如“大规模预训练中的差分隐私语义漏洞”证明即使微调加了隐私保护，预训练数据仍可能泄露。