ICML 2026 首尔开幕：清华团队获杰出论文奖，DeepMind 经典A3C摘时间检验奖

事件概述

2026年7月6日，第43届国际机器学习大会（ICML 2026）在韩国首尔COEX会展中心开幕。本届会议收到23918篇有效投稿，录用6352篇（录用率26.6%），其中536篇入选Spotlight、168篇获Oral资格。497篇论文因审稿人违反LLM使用规定被直接拒稿（占投稿约2%），起因是ICML组委会发现795处违规使用大语言模型撰写评审意见的行为，涉及506名审稿人。组委会在PDF中嵌入水印并采用综合研判手段检测违规，并依据新规对违规审稿人的投稿实施"连坐"拒稿，引发学术界争议。

核心奖项

杰出论文奖（Outstanding Paper Award）

• 《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》（清华大学黄高团队）：该论文指出扩散语言模型（dLLMs）的"任意顺序生成"灵活性在数学推理、编程等任务中反而成为性能拖累——模型会利用灵活性逃避生成高不确定性关键token，导致解空间过早坍缩。团队提出方法JustGRPO，强制使用标准从左到右自回归顺序（GRPO）进行训练，在GSM8K(512)上达到89.1%准确率，MATH-500(512)上达45.1%，且保留并行解码能力。该成果挑战了"灵活性越大越好"的行业共识。

• 《High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions》（MIT与耶鲁大学）：论文解决了扩散模型采样中仅有不完美分数估计时如何用极少步骤达到高精度的难题。提出新算法，在具备Õ(δ)精度L²分数估计条件下，仅需polylog(1/δ)步即可实现δ误差，相比此前结果呈指数级改进。算法还首次实现了仅靠梯度评估就能达到polylog(1/δ)复杂度的通用对数凹分布采样，为贝叶斯推断等提供理论突破。

杰出论文荣誉提名（5篇）

1. 《The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes》：在RLVR框架下使用白盒欺骗探测器促使AI诚实，通过强KL正则化与检测器惩罚抑制混淆行为。
2. 《Motion Attribution for Video Generation》：提出Motive框架，通过运动加权损失掩码分离视频时间动态与静态外观，在VBench上获74.1%人类偏好胜率。
3. 《How much can language models memorize?》：量化记忆容量约每参数3.6比特，发现训练数据量超过模型参数某倍数后模型开始遗忘。
4. 《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子集训练后仍生成相似样本的"一致性"，输出主要由数据共享高斯统计量决定。
5. 《To Grok Grokking: Provable Grokking in Ridge Regression》：首次为Grokking现象提供严格数学证明，刻画过参数化岭回归中从过拟合到泛化的三阶段动态，量化Grokking延迟时间与超参数的关系。

杰出立场论文奖（Outstanding Position Paper Award）

• 《Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit》：该立场论文指出当前AI对齐研究开发的内容过滤、意图检测等技术虽初衷善意，但本质高度通用，易被挪用于政治审查和信息控制，呼吁在技术开发中嵌入反审查设计原则。

杰出立场论文荣誉提名

• 《Position: AI/ML Deepfake Research is Misaligned with AI Generated Non-Consensual Intimate Imagery (AIG-NCII)》：揭示当前深度伪造研究过度聚焦检测（认知性伤害），而实际上生成式AI主要滥用形式是AI生成的非自愿亲密图像（以受害者尊严为核心的伤害），呼吁研究界将重点转向此类伤害，并与相关专家合作。

• 《Asynchronous Methods for Deep Reinforcement Learning》（Google DeepMind，2016年ICML）：该论文提出异步多线程训练框架A3C，让多个智能体在独立环境副本中并行探索，无锁异步更新共享网络，摒弃经验回放，仅靠多核CPU即可高效训练。在57款Atari游戏上以16核CPU达到超越DQN的性能，并支持连续控制任务。A3C颠覆了"稳定训练必须依赖经验回放"的认知，奠定此后十年深度强化学习并行采样范式的基础。