ICML 2026 Session 1 Spotlight论文精选：9项前沿研究速览

事件概述

7月7日，ICML 2026进入正会第一天。本届会议共接收6352篇论文，其中Spotlight论文536篇（占投稿总数2.2%），Oral论文168篇（占0.7%）。以下为Poster Session 1的9篇Spotlight论文核心摘要。

核心信息

1. 不规则时间序列生成：SDEVI框架

提出SDEVI，将连续时间随机微分方程与离散观测分布统一至变分推理框架。采用线性时变SDE的变分后验直接对离散观测联合分布建模，并推广至非线性SDE与复数域。在医疗、物理、气候、物联网等多个基准上达到最优水平。

2. 智能体学习语义还是接口捷径？

提出PIPE评估方法和IR度量，从协议层面解耦语义与接口交互。发现Trajectory-SFT会放大对接口捷径的依赖，且呈非单调训练动态。该工作警示当前智能体基准可能高估真实能力。

3. 多智能体提示优化：MASpoB

基于UCB Bandit框架结合图神经网络捕获提示耦合关系，并通过坐标上升分解将搜索复杂度从指数级降至线性级。在多个多智能体基准上实现当前最优。

4. 连续位宽量化：LiftQuant

通过“升维再投影”机制使量化位宽可连续调节，将70B参数模型精确压缩至2.4-bit，适配24GB GPU。最终推理仍保持硬件友好的线性变换+1-bit量化器。

5. 表格基础模型：TabSwift

采用行级注意力机制降低计算复杂度，配合门控稳定、可学习注册令牌及自适应逐层早退。在分类与回归任务上与TabPFN v2等性能相当，推理效率大幅领先。

6. 插入式生成：IP模型

建立插入轨迹与排列之间的双射，使模型原生支持变长序列生成。联合学习插入位置、内容及终止条件，在目标条件规划和分子字符串生成上表现更优。

7. 差分隐私自适应裁剪：SlaClip

发现标准裁剪操作产生的“松弛量”可作为自适应裁剪指示器，无需额外隐私预算。仅需极少超参数调优即可提升模型精度。

8. 端到端自回归图像生成

打破先分词后生成的两阶段范式，设计端到端联合训练，生成损失可直接回传至分词器。引入视觉基础模型增强1D语义分词。在ImageNet 256×256无条件生成任务上以FID 1.48创下无引导当前最优。

9. 脉冲神经网络3D开放世界理解：SVL

包含多尺度三元对齐（MTA）和可重参数化视觉-语言集成（Rep-VLI），并首次提出全脉冲驱动的Point Transformer。零样本3D分类Top-1准确率85.4%，下游任务提升显著，以204倍能效优势实现与ANN可比性能。

以上九篇论文分别来自：不规则时间序列生成、智能体评估、多智能体提示优化、模型量化、表格学习、插入式生成、隐私保护、图像生成、脉冲神经网络等方向，反映了ICML 2026的前沿研究趋势。