ICML 2026 Spotlight亮点：Session 3-1 九篇精选论文解读

7月8日，ICML 2026进入正会第二天。大会共接收6352篇论文，其中Spotlight论文536篇（占2.2%），Oral论文168篇（占0.7%）。以下为Session 3-1精选的九篇Spotlight论文概要：

1. 当属性Disagree：图像美学评估中的梯度冲突
＿When Attributes Disagree: Gradient Conflict in Image Aesthetic Assessment＿
研究发现，多个主流图像美学评估（IAA）模型在困难样本上集体失败，根源是共享参数训练中不同属性产生的梯度方向相反、相互抵消。提出AGREE框架，通过属性解耦、语义锚点、敏感性路由和误差感知重加权四种机制缓解梯度冲突，无需额外监督或架构修改，在5个数据集×6个基线上均取得一致提升，困难样本SRCC最高提升38.5%。
论文链接：https://openreview.net/forum?id=GrIs035ec3

2. PhotoAgent：用大视觉模型做探索式美学规划
＿PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models＿
将自主图像编辑建模为长期决策问题，通过树搜索规划多步编辑动作，利用记忆和视觉反馈迭代优化，无需用户逐步提示。构建了UGC-Edit基准（7000张照片+学奖励模型）和1017张测试集，指令遵循度和视觉质量均优于基线方法。
论文链接：https://openreview.net/forum?id=Ws8swqL5ob

3. RelaxFlow：文本驱动的非模态3D生成
＿RelaxFlow: Text-Driven Amodal 3D Generation＿
定义文本驱动的非模态3D生成任务：文本提示引导被遮挡部分补全，同时保持可见区域视觉保真度。提出无需训练的双分支框架，通过松弛机制解耦控制粒度，理论证明松弛等价于对生成向量场施加低通滤波器。引入ExtremeOcc-3D和AmbiSem-3D两个诊断基准，验证方法有效性。
论文链接：https://openreview.net/forum?id=UamxHbDR3p

4. Vision2Web：视觉网站开发的层级化基准
＿Vision2Web: A Hierarchical Benchmark for Visual Website Development with Agent Verification＿
提出层级化基准，涵盖静态UI转代码、交互式多页前端、全栈网站开发三个难度层次，包含193个任务、918张原型图像、1255个测试用例。提出工作流式Agent验证范式（GUI Agent验证器+VLM评判器），评估显示各层级均存在显著性能差距，全栈开发仍是重大挑战。
论文链接：https://arxiv.org/abs/2603.26648

5. CLEAR：端到端无遮罩视频字幕去除
＿CLEAR: Context-Aware Learning with End-to-End Mask-Free Inference for Adaptive Video Subtitle Removal＿
提出无遮罩框架，两阶段设计：第一阶段自监督正交约束学习解耦字幕表示，第二阶段LoRA适配+生成反馈动态调整。仅需基础扩散模型0.77%参数量，在中文字幕基准上PSNR+6.77dB、VFID降低74.7%，零样本泛化至英、韩、法、日、俄、德语。
论文链接：https://openreview.net/forum?id=HszNb2xE7P

6. ParetoPO：多目标优化让工具Agent不止追求准确率
＿Towards Pareto-Optimal Tool-Integrated Agents with Pareto Ranking Policy Optimization＿
两阶段多目标优化框架：第一阶段超体积引导动态标量化自适应调整奖励权重，第二阶段基于Pareto排序的优势计算实现细粒度动作级优化。在数学推理和多跳问答上相比静态/启发式基线，持续发现更优准确率-效率权衡策略。
论文链接：https://arxiv.org/abs/2606.16111

7. PWC-Diff：从去噪到去信道，扩散模型理解无线电信号
＿From Denoising to De-Channeling: Integrating Physical Channel Priors into Diffusion Models for Radio Signal Understanding＿
将物理无线信道先验显式整合到扩散过程中，实现从“去噪”到“去信道化”的升级。核心架构FusedFormer联合捕获时域和频谱特征，逐步恢复接近原始发射信号的表示。在三个无线信号识别（WSR）任务的多个数据集上取得SOTA。
论文链接：https://openreview.net/forum?id=NUerSGt9wn

8. PaperBanana：给AI科学家自动画论文插图
＿PaperBanana: Automating Academic Illustration for AI Scientists＿
面向学术插图自动生成的多智能体框架，协调检索、规划、渲染等Agent，并通过自批评机制迭代精炼。构建PaperBananaBench基准（292个测试用例，来源NeurIPS 2025出版物），在忠实度、简洁性、可读性、美观度四个维度上优于基线。可扩展到统计图表生成。
论文链接：https://openreview.net/forum?id=FneePKFVHT

9. CoCLD：从不规则事件学习耦合连续时间潜在动态
＿Learning Coupled Continuous-Time Latent Dynamics from Irregular Events＿
首次在连续时间潜在空间中联合建模个体潜在动态和群体层面分布变化，整合基于扩散的潜在插值器和神经常微分方程（Neural ODE），实现任意时间点有原则的插值与对齐。在下一事件预测、移动轨迹生成等任务中有效捕捉动态依赖。
论文链接：https://openreview.net/forum?id=HfQ0X1lTGg

这九篇Spotlight论文展示了AI在美学评估、3D补全、Agent效率、信号理解、自动化插图以及连续时间建模等方向的前沿进展，为相关领域提供了新的理论方法与实用框架。