ICML 2026 Spotlight 精选：Session 3-3 九篇论文亮点解读

ICML 2026 于 7 月 8 日进入正会第二天。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（0.7%）。以下为 Session 3-3 九篇 Spotlight 论文的核心内容：

1. 关于表示浮点函数的浮点神经网络最小深度与宽度研究：首次给出浮点 ReLU 网络表示所有浮点向量到浮点数函数所需的最小深度与宽度边界。研究表明最小深度通常为三层（特定域值条件可减至两层），最小宽度范围为 2 到 2d+2，当域限制为非负浮点数时宽度范围更窄。证明了浮点环境与精确算术环境下神经网络表达能力的本质不同。[论文链接](https://openreview.net/forum?id=8IxY2DUiBi%29

2. 理论层级自动形式化：从孤立陈述到统一的形式化知识库：观点文章，主张将自动形式化研究从单一句子推进到完整理论层次（公理、定义、定理、证明及其依赖关系）。提出了系统框架，分析反对观点，明确五大核心挑战和三条未来研究方向。[论文链接](https://openreview.net/forum?id=BoteCHEFUr%29

3. 基于梯度变动的多臂老虎机凸优化维度依赖性改进：聚焦带宽凸优化中的梯度变动特性，提出适用于两点反馈的梯度变动分析技术，并在凸和强凸函数场景下显著提升维度依赖性。获得了首个梯度变动动态/普适后悔界及快速收敛率。[论文链接](https://openreview.net/forum?id=X8evkEdMxb%29

4. 谱球上的受控大语言模型训练：提出 Spectral Sphere Optimizer (SSO)，基于严格频谱约束计算最陡下降方向，配合高效并行算法。在 Dense 1.7B、MoE 8B-A1B 和 200 层 DeepNet 上实验，SSO 全面优于 AdamW 和 Muon，实现更稳定高效的训练。[论文链接](https://openreview.net/forum?id=5kTn1c3vtt%29

5. 迈向学习增强分页算法的最优鲁棒性：提出统一原语“相对预测预算”，将学习增强分页的鲁棒性提升至 H_k + O(1)，理论上首次达到最优鲁棒性。实验验证了新框架的实用性和稳定性。[论文链接](https://openreview.net/forum?id=ESa07RwpVr%29

6. 视觉机制可解释性的分布视角：KL最小化软约束原则：提出从分布视角建立视觉机制可解释性框架，通过 KL-最小化软约束原则和能量引导扩散后验采样，平衡可解释性与模型忠实性。在 DINOv3 上验证有效。[论文链接](https://openreview.net/forum?id=TZvHUmClPP%29

7. 助手轴：大语言模型默认人格的定位与稳定：发现模型内部存在“助手轴”，通过识别和调控该轴可抑制默认人格的漂移，减少有害或怪异输出。在多种主流模型上实验，揭示了人格空间的作用机制。[论文链接](https://openreview.net/forum?id=q17jVxMtwS%29

8. DecFus：基于动态探索与利用的分布式层级融合：提出 DecFus 框架，动态调整探索与利用平衡，采用基于余弦相似度的层级划分策略进行参数交换与平均。在 IID 和 Non-IID 数据集上显著优于现有 CFL 和 DFL 基线，并证明收敛性。[论文链接](https://openreview.net/forum?id=QNYVYUa3aa%29

9. HELIX：基于可学习身份与跨维度合成的混合编码时间序列插补：提出 HELIX 方法，引入可学习特征身份嵌入和混合时序-特征注意力机制，在 21 种实验设置下对比 17 种基线达到 SOTA，有效利用跨特征依赖进行时间序列插补。[论文链接](https://openreview.net/forum?id=FN20iuPnEU%29