刚刚，ICML 2026放榜，清华黄高团队斩获杰出论文奖

刚刚，人工智能（AI）顶会 ICML（国际机器学习大会）公布了 2026 年度奖项，包括杰出论文奖（Outstanding Paper Award）、杰出立场论文奖（Outstanding Position Paper Award）以及时间检验奖（Test of Time Award）。

其中，清华大学自动化系长聘副教授、博士生导师，清华大学智能产业研究院（AIR）研究员黄高团队获得杰出论文奖。

获奖名单如下：

• ICML 2026 杰出论文奖

• ICML 2026 杰出立场论文奖

• ICML 2026 杰出论文荣誉提名
  

• ICML 2026 杰出立场论文荣誉提名

• ICML 2026 时间检验奖

以下是获奖论文详情。

ICML 2026 杰出论文奖

本届杰出论文的评选流程分为三轮：项目主席 Alekh Agarwal、Miroslav Dudik、Sharon Li、Martin Jaggi 先从八大主题方向中筛出 53 篇候选论文，压缩为 22 篇短名单后，交由一个 11 人评选委员会（主席为 Andreas Krause）复核。每篇论文由两位委员分别评审，最终委员会决定认可两篇杰出论文与五篇荣誉提名。

The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models

作者：Zanlin Ni、Shenzhi Wang、Yang Yue、Tianyu Yu、Weilin Zhao、Yeguo Hua、Tianyi Chen、Jun Song、Cheng Yu、Bo Zheng、Gao Huang

机构：清华大学等

论文链接：https://arxiv.org/abs/2601.15165

论文简介：扩散大语言模型（dLLM）打破了传统自回归模型从左到右生成的限制，能够以任意顺序生成 token。直觉上，这种顺序自由意味着解空间严格超越固定的自回归轨迹，理论上应能解锁更强的推理能力，因此不少工作尝试用强化学习来激发 dLLM 的推理潜力。

然而，这篇论文揭示了一个反直觉的现象：在当前形式下，任意顺序生成非但没有扩展 dLLM 的推理边界，反而使其收窄。

研究团队发现，dLLM 会利用这种顺序自由绕开对探索至关重要的高不确定性 token，导致解空间过早坍缩。这是一个此前未被充分认识的失效模式。

基于这一发现，研究团队提出重新审视 dLLM 强化学习后训练的采样策略，采用更简单的固定从左到右生成顺序来进行 RL rollout（即 JustGRPO 方案），同时在推理阶段保留并行解码能力。这项工作把“RL rollout 应该采用何种采样策略”这一尚未被充分探讨的问题重新摆上了台面。

High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions

作者：Fan Chen、Sinho Chewi、Constantinos Daskalakis、Alexander Rakhlin

机构：麻省理工学院（MIT）、耶鲁大学

论文链接：https://arxiv.org/abs/2602.01338

论文简介：这篇论文回答了基于分数（score-based）采样理论中一个长期悬而未决的问题：仅凭分数（梯度）估计，是否可能只用 polylog(1/ε) 步就达到 ε 误差，而不是依赖离散化采样器所需的 poly(1/ε) 步。

核心构造是一阶拒绝采样（First-Order Rejection Sampling，FORS），一种仅依赖一阶查询就能模拟拒绝采样的元算法，绕开了以往高精度方法所依赖的密度评估。

在数据假设极小的条件下，该方法可实现 O(d·polylog(1/ε)) 的采样复杂度，相较此前基于分数的结果实现了指数级改进；在非均匀 Lipschitz 及内在维度条件下还能进一步优化，并顺带给出了首个针对一般对数凹分布、仅用梯度查询的 polylog(1/ε) 复杂度采样器。

对扩散模型而言，这意味着达到目标采样精度所需的去噪步数（即分数函数评估次数）原则上可以从多项式降至对数多项式级别，为用更少的函数评估次数实现高精度扩散采样提供了理论支撑。

ICML 2026 杰出立场论文奖

本届立场论文赛道的评选由赛道联合主席 Dale Schuurmans 与 Jerry Zhu 主持。领域主席提名候选论文后，两位联合主席各自独立通读并评估，结果高度一致，最终选出一篇杰出立场论文与一篇荣誉提名。

Position: The Alignment Community is Unintentionally Building a Censor's Toolkit

作者：Sarah Ball、Phil Hackemann

机构：慕尼黑大学等

论文链接：https://openreview.net/pdf?id=dy2HwmOvFX

论文简介：这篇论文挑战了一种普遍存在的舒适假设，即“我们所做的对齐研究天然是一股向善的力量”，指出即便是价值对齐这一确保 AI 无害的核心工具本身，也可能被滥用。

论文用充分的现实证据支撑这一论点，且其讨论范围并未局限于某个国家或某家公司，而是覆盖所有现在及未来可能存在的权力主体。

论文提出了若干缓解对齐滥用风险的方向，提醒整个研究社区正在开发的技术具有两用性。

ICML 2026 时间检验奖

时间检验奖的评选由 ICML 2016 联合项目主席 Kilian Weinberger 主持，候选范围覆盖当年所有被 ICML 2016 接收的论文，他们先根据引用量与学术声誉筛出 8 篇候选论文，再咨询各自子领域的权威学者评估长期影响力，最终评选出ICML 2026时间检验奖。

Asynchronous Methods for Deep Reinforcement Learning

作者：Volodymyr Mnih、Adrià Puigdomènech Badia、Mehdi Mirza、Alex Graves、Timothy P. Lillicrap、Tim Harley、David Silver、Koray Kavukcuoglu

机构：谷歌、蒙特利尔大学

论文链接：https://arxiv.org/pdf/1602.01783

论文简介：这篇论文开创了异步强化学习方法，是 RL 在大语言模型后训练中取得成功的重要推动因素之一，也重塑了业界实践强化学习的方式。

其核心洞见，即“并行的多个 actor-learner 能够稳定训练过程”，此后启发了大量后续工作，在机器学习社区留下了持久的影响。

ICML 2026 杰出论文荣誉提名

The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes

作者：Mohammad Taufeeque、Stefan Heimersheim、Adam Gleave、Chris Cundy

机构：FAR AI

论文链接：https://arxiv.org/abs/2602.15515

论文简介：这篇论文在一个真实的代码优化环境中（该环境天然容易诱发奖励作弊）系统研究了针对白盒“测谎探针”（lie detector）进行训练所带来的风险。

研究团队构建了训练环境下的分类体系，公然欺骗、混淆激活、混淆策略，并结合理论证明与实验结果，说明策略梯度方法本身并不会直接产生操纵激活的优化压力。研究还表明，通过高 KL 正则化配合强探针惩罚，可以在一定程度上缓解对齐失效问题，为可扩展监督提供了有价值的工程基础。

Motion Attribution for Video Generation

作者：Xindi Wu、Despoina Paschalidou、Jun Gao、Antonio Torralba、Laura Leal-Taixé、Olga Russakovsky、Sanja Fidler、Jonathan Lorraine

机构：英伟达、普林斯顿大学、MIT CSAIL

论文链接：https://arxiv.org/abs/2601.08828

论文简介：这篇论文提出 Motive，一种面向运动的、基于梯度的数据归因框架，可扩展至大规模高质量视频数据集与生成模型，用于追踪单条训练样本对视频生成中运动质量的影响。

该方法通过运动加权的损失掩码，将时序动态与静态外观解耦，实现了高效且可扩展的运动专属影响力计算。仅使用原始训练集十分之一规模的高影响力数据，该方法在 VBench 上取得的运动平滑度与动态程度均优于原模型，人类偏好胜率达到 74.1%。

How much can language models memorize?

作者：John Xavier Morris、Chawin Sitawarin、Narine Kokhlikyan、Chuan Guo、G. Edward Suh、Alexander M. Rush、Kamalika Chaudhuri、Saeed Mahloujifar

机构：Meta、谷歌、康奈尔大学、英伟达

论文链接：https://arxiv.org/abs/2505.24832

论文简介：语言模型究竟是在复述存储的知识，还是在真正泛化，一直存在争议。这篇论文提出用“柯尔莫哥洛夫式记忆”来衡量模型对一个数据分布究竟学到了多少，并将记忆进一步拆分为“非预期记忆”（模型包含的特定数据集信息）与“泛化”（模型包含的真实数据生成过程信息）两部分。

该论文用扎实的理论框架区分二者，并配合大规模实证测量，最终给出一个大胆的结论：GPT 系列风格的语言模型每个参数大约能编码 3.6 比特信息，且模型会先填满自身容量再进入“顿悟”（grokking）式的泛化阶段。

A Random Matrix Perspective on the Consistency of Diffusion Models

作者：Binxu Wang、Jacob A. Zavatone-Veth、Cengiz Pehlevan

机构：哈佛大学等

论文链接：https://arxiv.org/abs/2602.02908

论文简介：近期实证研究发现，扩散模型在确定性采样下展现出极高的跨训练一致性，即便用不同数据切分、不同架构训练，同一个噪声种子也会被映射到几乎相同的图像输出。

这篇论文用理论证明了这一现象根源于共享的线性高斯统计量：通过一个线性去噪器框架追踪有限样本的数据集波动如何扭曲生成结果，作者证明这种一致性并非源自复杂的高阶深度学习动态或数据记忆，而是有着线性起源——不同数据切分间共享的经验高斯统计量（均值与协方差）本身就足以预测大部分跨切分一致性。

这项工作把一个看似神秘的实证现象，转化为了一个优雅且有数学根基的生成式模型可复现性基准。

To Grok Grokking: Provable Grokking in Ridge Regression

作者：Mingyue Xu、Gal Vardi、Itay Safran

机构：普渡大学等

论文链接：https://arxiv.org/abs/2601.19791

论文简介：Grokking 是指模型先快速过拟合、泛化很差，但训练足够久之后才逐渐学会泛化的现象，这一现象之所以引人关注，是因为它暗示了模型何时才真正学到了复杂问题背后的“真实”结构。

此前已有工作对深度模型中的这一现象给出分析，但未能证明全局收敛结果。

这篇论文则在纯线性模型这一最基础的设定下研究 grokking，证明岭回归（ridge regression）中会出现两阶段行为。这一发现的价值在于：它证明了 grokking 可以在这样简单的设定下出现，为理解 grokking 提供了一个“玩具模型”，就像深度线性网络此前被证明对分析非线性网络很有价值一样。

ICML 2026 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)

作者：Li Qiwei、Wells Lucas Santo、Sarita Schoenebeck、Eric Gilbert

机构：密歇根大学

论文链接：https://openreview.net/pdf?id=mLhZzo7BIb

论文简介：这篇论文指出了当前 Deepfake 研究与 AI 生成的非自愿亲密影像（AIG-NCII）问题之间存在的非对齐（misalignment）。论文清晰展示了现有技术研究重心与 AIG-NCII 造成的普遍性伤害之间的差距，说明当前研究对受害者影响的忽视正在加剧而非缓解 AIG-NCII 带来的负面后果，并提出了一份研究议程清单。作者认为，这篇论文是所有从事该领域研究的人都应该读一读的文章。