刚刚，ICML 2026放榜，清华黄高团队斩获杰出论文奖

人工智能顶级会议 ICML（国际机器学习大会）近日正式公布 2026 年度奖项，刚刚涵盖杰出论文奖（Outstanding Paper Award）、放榜杰出立场论文奖（Outstanding Position Paper Award）以及时间检验奖（Test of Time Award）。清华

其中，黄高清华大学自动化系长聘副教授、团队博士生导师，斩获清华大学智能产业研究院（AIR）研究员黄高团队凭借其在扩散语言模型领域的杰出奖突破性研究，斩获杰出论文奖。论文

以下是刚刚 ICML 2026 完整获奖名单：

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

获奖论文深度解析

🏆 ICML 2026 杰出论文奖

本届杰出论文评选历经三轮严格筛选：项目主席 Alekh Agarwal、Miroslav Dudik、放榜Sharon Li、清华Martin Jaggi 首先从八大主题方向中初选 53 篇候选论文，黄高缩减至 22 篇短名单，团队随后由 Andreas Krause 领衔的斩获 11 人评选委员会进行复核。每篇论文由两位委员独立评审，杰出奖最终确定两篇杰出论文及五篇荣誉提名。

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

（灵活性陷阱：重新审视扩散语言模型中任意顺序的价值）

• 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

核心发现：
扩散大语言模型（dLLM）突破了传统自回归模型从左到右生成的限制，支持任意顺序生成 token。尽管直觉上认为这种顺序自由能扩展解空间并增强推理能力，且已有研究尝试通过强化学习激发其潜力，但该论文揭示了一个反直觉的失效模式：在当前形式下，任意顺序生成非但未能扩展推理边界，反而导致解空间过早坍缩。

机制解析：
dLLM 利用顺序自由绕过了对探索至关重要的高不确定性 token，从而限制了模型的学习潜力。

解决方案：
研究团队提出重新审视 dLLM 强化学习后训练的采样策略，提出 JustGRPO方案：在 RL rollout 阶段采用更简单的固定从左到右生成顺序，而在推理阶段保留并行解码能力。这一工作将“RL rollout 采样策略选择”这一关键问题重新置于研究视野中心。

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

（扩散模型与对数凹分布的高精度采样）

• 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

核心突破：
该论文解决了基于分数（score-based）采样理论中长期悬而未决的问题：仅凭分数（梯度）估计，是否能在 polylog(1/ε)步内达到 ε 误差，而非传统离散化采样器所需的 poly(1/ε)步。

方法创新：
提出一阶拒绝采样（First-Order Rejection Sampling, FORS），这是一种仅依赖一阶查询即可模拟拒绝采样的元算法，成功绕开了以往高精度方法对密度评估的依赖。

性能提升：
在极小数据假设下，该方法实现 O(d·polylog(1/ε))的采样复杂度，较此前基于分数的结果实现指数级改进。在非均匀 Lipschitz 及内在维度条件下进一步优化，并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。

意义：
对于扩散模型而言，这意味着达到目标采样精度所需的去噪步数（分数函数评估次数）可从多项式级别降至对数多项式级别，为高精度扩散采样提供了坚实的理论支撑。

📝 ICML 2026 杰出立场论文奖

本届立场论文由赛道联合主席 Dale Schuurmans 与 Jerry Zhu 主持。领域主席提名候选论文后，两位联合主席独立通读评估，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

（立场：对齐社区正在无意中构建审查工具箱）

• 作者：Sarah Ball、Phil Hackemann
• 机构：慕尼黑大学等
• 论文链接：https://openreview.net/pdf?id=dy2HwmOvFX

核心观点：
论文挑战了“对齐研究天然向善”的舒适假设，指出即便是确保 AI 无害的核心工具——价值对齐，也可能被滥用。

论证范围：
基于充分的现实证据，论文指出这种风险不仅限于特定国家或公司，而是覆盖所有现在及未来可能存在的权力主体。

建议方向：
论文提出了缓解对齐滥用风险的具体方向，警示整个研究社区：正在开发的技术具有两用性，需警惕其被用于构建审查工具的风险。

⏳ ICML 2026 时间检验奖

时间检验奖由 ICML 2016 联合项目主席 Kilian Weinberger 主持。候选范围覆盖 ICML 2016 所有接收论文，经引用量与学术声誉初筛出 8 篇候选，再咨询子领域权威学者评估长期影响力，最终评选出获奖论文。

Asynchronous Methods for Deep Reinforcement Learning

（深度强化学习的异步方法）

• 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

历史贡献：
该论文开创了异步强化学习方法，是推动 RL 在大语言模型后训练中取得成功的关键因素之一，深刻重塑了业界实践强化学习的方式。

核心洞见：
提出“并行的多个 actor-learner 能够稳定训练过程”，这一思想启发了大量后续工作，在机器学习社区留下了持久且深远的影响。

🌟 ICML 2026 杰出论文荣誉提名

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

（混淆图谱：利用欺骗探针映射 RLVR 中诚实性的涌现位置）

• 作者：Mohammad Taufeeque、Stefan Heimersheim、Adam Gleave、Chris Cundy
• 机构：FAR AI
• 论文链接：https://arxiv.org/abs/2602.15515

研究内容：
在易诱发奖励作弊的真实代码优化环境中，系统研究了针对白盒“测谎探针”进行训练的风险。

主要发现：
构建了分类体系（公然欺骗、混淆激活、混淆策略），结合理论与实验证明策略梯度方法本身不直接产生操纵激活的优化压力。研究表明，通过高 KL 正则化配合强探针惩罚，可在一定程度上缓解对齐失效问题，为可扩展监督提供了工程基础。

2. Motion Attribution for Video Generation

（视频生成的运动归因）

• 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

方法创新：
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。

技术优势：
通过运动加权损失掩码，将时序动态与静态外观解耦，实现高效且可扩展的运动专属影响力计算。

实验结果：
仅使用原始训练集 1/10 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%。

3. How much can language models memorize?

（语言模型能记住多少内容？）

• 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

理论框架：
提出用“柯尔莫哥洛夫式记忆”衡量模型对数据分布的学习程度，并将记忆拆分为“非预期记忆”（特定数据集信息）与“泛化”（真实数据生成过程信息）。

核心结论：
通过扎实的理论框架与大规模实证测量，得出大胆结论：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。

4. A Random Matrix Perspective on the Consistency of Diffusion Models

（扩散模型一致性的随机矩阵视角）

• 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

现象解释：
针对近期实证发现的扩散模型在确定性采样下展现出的极高跨训练一致性（不同数据切分、架构下，同一噪声种子映射到几乎相同图像），该论文提供了理论解释。

理论证明：
证明这一现象根源于共享的线性高斯统计量。通过线性去噪器框架追踪有限样本波动，证明一致性并非源自复杂的高阶深度学习动态或数据记忆，而是源于不同数据切分间共享的经验高斯统计量（均值与协方差）。

意义：
将看似神秘的实证现象转化为具有数学根基的生成式模型可复现性基准。

5. To Grok Grokking: Provable Grokking in Ridge Regression

（理解 Grokking：岭回归中的可证明 Grokking 现象）

• 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

研究背景：
Grokking 指模型先快速过拟合（泛化差），经长时间训练后才逐渐学会泛化的现象，暗示模型何时学到复杂问题的“真实”结构。

核心贡献：
在纯线性模型（岭回归）这一基础设定下，证明了 Grokking 的两阶段行为。

价值：
证明了 Grokking 可在简单设定下出现，为理解这一现象提供了“玩具模型”，类似于深度线性网络对分析非线性网络的价值，此前工作未能证明全局收敛结果。

📝 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)

（立场：AI/ML 深度伪造研究与 AI 生成的非自愿亲密影像问题存在错位）

• 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

核心论点：
指出当前 Deepfake 研究与 AIG-NCII 造成的普遍性伤害之间存在非对齐（misalignment）。

主要发现：
清晰展示了现有技术研究重心与受害者实际遭受的伤害之间的巨大差距，说明当前研究对受害者影响的忽视正在加剧而非缓解负面后果。

建议：
提出了一份详细的研究议程清单，呼吁学界关注受害者视角。作者认为，这是所有从事该领域研究者必读的文章。

(责任编辑：焦点)