ICML 2026 Spotlight Poster精选：Session 2九篇论文速览

ICML 2026于7月7日在首尔COEX会展中心迎来正会首日。本届会议在数万篇投稿中严选出6352篇录用论文，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Session 2的9篇Spotlight论文核心摘要。

1. AlgoVeri：经典算法形式化验证代码生成的对齐基准

推出首个跨语言代码验证基准AlgoVeri，包含77个经典算法，统一功能契约，在Dafny、Verus和Lean三种语言环境中评估大模型生成验证代码的能力。实验发现模型在抽象级别高的Dafny中表现较好，在受内存约束的Verus及需显式构造证明的Lean中性能下滑。Gemini-3可通过迭代修复提升性能，GPT-OSS则较早遭遇瓶颈。[论文链接](https://openreview.net/forum?id=mnUgulPmNU%29

2. 反向流匹配：结合扩散与流策略的在线强化学习统一框架

提出反向流匹配（RFM）统一框架，以后验均值估计为核心，通过Langevin Stein算子构建零均控制变量，在理论上统一了噪声期望与梯度期望方法，并将流策略纳入训练。连续控制基准实验表明，基于RFM的流策略在训练效率与稳定性上显著优于扩散策略基线。[论文链接](https://openreview.net/forum?id=vUpEe4yd1T%29

3. DRPBench：通过细粒度数据竞争预测评估大语言模型的并发代码理解能力

提出DRPBench基准，将数据竞争预测转化为静态细粒度预测任务，基于SV-COMP数据集（含549个手动标注的数据竞争）对15种LLM进行测试。结果显示多数模型对并发代码理解能力弱，主要失败模式为变量共享导致的注意力分散及无法解析非标准同步逻辑。[论文链接](https://openreview.net/forum?id=6249M0mKR2%29

4. 可泛化与可组合的多模型嵌入翻译

从几何视角推导出嵌入翻译的可解释误差界，提出分层专家混合（HMoE）框架并引入基于几何的置信度指标。在MTEB基准覆盖10个嵌入模型、6个数据集共90组翻译设置中，HMoE在OOD场景下显著优于基线；混合与链式翻译中回忆率下降仅0.5%–2.6%，远优于现有方法的7.2%–92.3%。[论文链接](https://openreview.net/forum?id=qmfp2eqYD1%29

5. 大模型回答正确时会发出信号吗？来自神经元一致性的证据

提出神经元一致性解码（NAD），仅基于内部神经元激活信号进行解码，利用正确响应激活神经元更少且跨样本一致性更高的现象。在数学、科学及开放编码基准上，NAD预测效果与多数投票相当甚至更优，同时减少99%的Token使用量。[论文链接](https://openreview.net/forum?id=ZVRgcQq4D2%29

6. NeuronCtrl：面向神经微环境动力学的几何感知安全闭环生成控制

提出NeuronCtrl框架，包含历史条件观察器、形态感知神经算子和流动匹配条件流生成动作，并配合多层次安全机制。在深脑刺激、细胞外反应扩散控制、星形胶质细胞钾离子调节三个高仿真三维基准上验证，首次实现了具有几何感知的神经微环境安全闭环生成控制。[论文链接](https://openreview.net/forum?id=ZK3h2ENA67%29

7. Chamaileon：基于上下文建模与混合采样的跨上下文结合物设计

推出Chamaileon框架，提出基于上下文的复杂共设计训练范式（I3CD）及路径混合采样（MoPS）策略，实现多目标和多状态蛋白质结合物设计。构建CROSS基准数据集，实验表明该框架能精准生成适应多样构象景观并契合多目标需求的蛋白质序列。[论文链接](https://openreview.net/forum?id=JAQ9bm0Rp4%29

8. VideoKR：迈向知识与推理密集型视频理解

提出VideoKR数据集与评测基准，包含126K专家领域视频及430K推理样本，通过专家参与的逐步扩展视频推理深度流程保障多样性与可靠性。基准测试表明，基于该数据集训练的模型在多种复杂评估任务上性能显著优于现有方法。[论文链接](https://openreview.net/forum?id=eXxFlOPTk4%29

9. 用于揭示独立神经潜在动力学与连接性的因子化低秩RNN框架

提出因子化递归神经网络（FacRNN），将低秩RNN重构为VAE框架，并引入部分相关性惩罚实现组间独立性硬约束。在合成数据、猴M1运动皮层数据及小鼠电压成像数据上，FacRNN在学习低维潜在轨迹的解耦和可解释性方面显著优于传统低秩RNN。[论文链接](https://openreview.net/forum?id=QvIbmX9jBr%29