ICML 2026 Spotlight Session 5-2：九篇论文涵盖机器人模型、物理计算、AI安全等前沿方向

事件概述

7月8日，ICML 2026进入正会第二天。本届大会共接收6352篇论文，其中Spotlight论文536篇（占投稿总数的2.2%），Oral论文168篇（占0.7%）。雷锋网从首尔COEX会展中心现场精选了Session 5-2的9篇Spotlight论文，覆盖机器人世界模型、物理计算、VLA模型训练、因果发现、AI安全等多个前沿方向。

论文精选

1. WestWorld：面向多样机器人系统的知识编码轨迹世界模型

提出系统感知混合专家模型（Sys-MoE）动态路由不同机器人系统的专业化专家，并引入结构化嵌入对齐轨迹表示与形态学信息。在89个复杂环境（仿真+真实）上预训练，零样本和少样本轨迹预测显著优于基线，并在Unitree Go1四足机器人上验证了实际部署性能。

2. DS-TS：用物理动力系统求解时间依赖微分方程

集成兴奋-抑制耦合、状态感知动态非线性和层次化时间积分，利用物理动力系统的连续时间计算能力。在保持高保真解的同时，速度提升约1000倍，能效提升约10万倍，打破了传统数值求解器中延迟与精度的权衡。

3. From Pixels to Tokens：VLA模型中潜在动作监督的系统性研究

在统一基线框架下比较四种潜在动作集成策略，发现基于图像的潜在动作利于长时域推理和场景级泛化，基于动作的潜在动作在复杂运动协调上更优。直接用离散潜在动作Token监督视觉语言模型取得最优性能，且不同任务特性决定最优表示方式。

4. Poisson分支结构因果模型的可识别性研究

使用概率生成函数（PGF）开发Poisson分支结构因果模型（PB-SCM）的紧凑闭式解，证明闭式解中各组件唯一编码特定局部结构，从而识别因果方向。提出实用的因果骨架学习和方向识别算法，在合成和真实数据集上验证有效性。

5. EcoVLA：面向VLA模型的环境感知自适应剪枝

提出无需训练、即插即用的自适应剪枝框架：环境感知自适应剪枝（EAP）利用物理时间一致性动态更新稀疏模式；交错推理编排（I2O）利用VLA推理中的计算气泡实现并行剪枝调度。单独使用达到1.60倍加速（成功率仅下降0.4%），与token剪枝结合时达到2.18倍加速（成功率下降0.5%），在真实机器人上验证。

6. NASH：让Data Shapley重新有效的数据选择框架

通过将目标效用函数分解为Shapley-informative的组件函数，再非线性聚合，显著提升基于Shapley值的数据选择有效性，几乎不增加额外运行时间。解决了Data Shapley在某些场景下效果甚至不如随机选择的矛盾。

7. Rapid Poison：针对快速响应框架的实际投毒攻击

揭示Rapid Response（RR）框架训练管道存在安全漏洞，提示注入可将有毒样本送入分类器训练集。仅1%的投毒率即可使假阳性率最高达100%、假阴性率最高达96%，部分情况下实现近乎完全的标签翻转。该框架已部署于Anthropic的ASL-3安全防护等生产系统。

8. HelioX：面向生物物理细节网络的GPU原生框架

通过定制融合CUDA内核为树突层级调度和梯度传播专门设计，实现模拟与训练统一运行时。在消费级GPU上实现深度生物物理MLP训练和线虫（C. elegans）模型拟合，速度和内存效率显著提升，降低了生物物理模型用于可训练AI系统的门槛。

9. DiCoLa：隐变量场景下的递归分解因果结构学习

将全局因果结构学习递归分解为更小子问题，独立进行因果发现后通过有理论保证的重构整合。理论上证明可推广到存在隐变量的场景，保证正确性和完备性。合成数据和真实数据集上显著提升计算效率，首次实现隐变量场景下的高效分而治之因果发现。