ICML 精选 Spotlight Poster 汇总：Session 5-2

2026-07-18 06:45:17 [休闲] 来源：德瑞斯资讯网

7月8日，精选机器学习领域顶级盛会 ICML 2026 进入正会第二天。精选本届大会共收录 6352 篇论文，精选其中 Spotlight 论文 536 篇（占比 2.2%），精选Oral 论文 168 篇（占比 0.7%）。精选作为 AI 研究的精选风向标，Spotlight 论文代表了当前技术的精选最前沿。

雷峰网报道团队深入首尔 COEX 会展中心，精选从数千张学术海报中精选出 Session 5 的精选 9 篇 Spotlight 论文。内容涵盖高效卷积、精选离散扩散、精选低精度训练、精选偏好优化、精选MoE 路由、精选大模型鲁棒性、精选黑盒优化、3D 点云补全及脑机接口等核心领域。

【投稿合作】
若希望您的研究成果入选，请联系：
1. WestWorld：面向多样机器人系统的知识编码轨迹世界模型

1、WestWorld：面向多样机器人系统的知识编码轨迹世界模型

论文链接：https://arxiv.org/abs/2603.14392

核心亮点：引入物理结构知识，实现跨形态学的零样本泛化。

轨迹世界模型是机器人动力学学习与控制的关键，但现有方法难以扩展至多样化的系统动力学场景，且往往忽略物理结构的先验知识。WestWorld 提出了一种知识编码的可扩展轨迹世界模型，通过系统感知混合专家模型（Sys-MoE）动态路由不同机器人的专业化专家，并利用结构化嵌入将轨迹表示与形态学信息对齐。

实验突破：在 89 个复杂环境（涵盖仿真与真机）上预训练，WestWorld 在零样本和少样本轨迹预测任务中显著优于基线，展现出强大的跨环境可扩展性。
关键发现：物理结构知识的引入有效提升了零样本泛化能力，显著改善了下游基于模型的控制性能。
落地验证：模型已成功部署于真实 Unitree Go1 四足机器人，验证了其在实际场景中的稳定运动性能，为通用机器人世界模型提供了“知识+数据”融合的新范式。

2、DS-TS：用物理动力系统求解时间依赖微分方程

论文链接：https://openreview.net/forum?id=0YHSZPkMp8

核心亮点：打破精度与速度的权衡，求解速度提升 1000 倍，能效提升 10 万倍。

时间依赖微分方程（TDDE）是科学工程建模的核心，但传统数值求解器面临“小步长高精度低速度”与“大步长高速度低精度”的根本矛盾。现有动力系统机（DSM）在捕捉时空复杂性方面仍显不足。

DS-TS 提出了一种新型 TDDE 求解器，集成三大创新：
1. 兴奋-抑制启发式耦合：建模复杂空间交互。
2. 状态感知动态非线性：实现节点间丰富的状态依赖时空相关性。
3. 层次化时间积分：精准捕捉长距离时间依赖。

该模型充分利用物理动力系统的连续时间计算优势，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，为时间敏感的科学计算开辟了全新的物理计算路径。

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

论文链接：https://arxiv.org/abs/2605.04678

核心亮点：揭示“公式-任务”对应关系，离散 Token 监督取得最优性能。

潜在动作（Latent Actions）作为中间表示，旨在统一异构数据集上的视觉-语言-动作（VLA）模型。然而，现有方法缺乏系统性比较，导致训练策略选择困难。

本研究在统一 VLA 基线框架下，从基于图像的正则化和基于动作的目标空间统一两个视角，比较了四种集成策略：
* 基于图像的潜在动作：有利于长时域推理和场景级泛化。
* 基于动作的潜在动作：在复杂运动协调方面表现优异。
* 关键结论：直接使用离散潜在动作 Token监督视觉语言模型能取得最优性能，并初步验证了其在混合数据场景下的优势。

这项工作为 VLA 训练提供了实证指南，强调“没有万能策略”，任务特性决定了最优的潜在动作表示方式。

4、Poisson 分支结构因果模型的可识别性研究

论文链接：https://proceedings.neurips.cc/paper_files/paper/2024/hash/15aaa9224a35527d76188b4d40e02308-Abstract-Conference.html

核心亮点：填补计数数据因果发现理论空白，利用 PGF 实现局部结构唯一编码。

针对计数数据（如浏览、购买事件序列），现有贝叶斯网络方法常忽视分支结构，而基于累积量的方法存在可识别性缺口。

该研究采用概率生成函数（PGF）探索 Poisson 分支结构因果模型（PB-SCM）的可识别性：
* 理论突破：使用二项细化算子建模分支结构，推导了 PB-SCM 概率生成函数的紧凑闭式解。证明闭式解中每个组件唯一编码了特定局部结构，从而可通过测试 PGF 组件出现来识别局部因果结构。
* 算法落地：提出实用的因果骨架学习和方向识别算法，在合成与真实数据集上验证有效。

这一工作为生物学、经济学和网络运维等领域的因果分析提供了新工具。

5、EcoVLA：面向 VLA 模型的环境感知自适应剪枝

论文链接：https://arxiv.org/abs/2602.00780

核心亮点：无需训练、即插即用，解决 VLA 推理延迟与环境动态适应难题。

VLA 模型参数量巨大，推理延迟高，且静态剪枝无法适应环境变化。EcoVLA 提出一个无需训练、即插即用的自适应剪枝框架：
1. 环境感知自适应剪枝（EAP）：利用物理环境的时间一致性动态更新稀疏模式。
2. 交错推理编排（I2O）：利用推理计算气泡实现并行剪枝调度，将对延迟的影响降至最低。

性能表现：
* 单独使用：加速 1.60 倍，成功率仅降 0.4%。
* 结合 Token 剪枝：加速 2.18 倍，性能仅降 0.5%。

该方法在真实机器人上验证有效，为 VLA 模型的实时部署提供了实用方案。

6、NASH：让 Data Shapley 重新有效的数据选择框架

论文链接：https://arxiv.org/abs/2605.10684

核心亮点：“分解+非线性聚合”策略，解决 Data Shapley 实践效果不佳的矛盾。

Data Shapley 虽能捕捉数据交互，但在实践中常因效果不如随机选择而受质疑。NASH 框架通过两步策略解决此问题：
1. 分解：将目标效用函数（如验证准确率）分解为更简单的、Shapley-informative 的组件函数。
2. 聚合：通过非线性方式聚合这些组件，构建优化目标以选择数据。

实验表明，NASH 在几乎不增加额外运行成本的前提下，大幅提升了数据选择性能，使 Shapley 类方法重新变得高效且可靠，为数据估值领域提供了重要贡献。

7、Rapid Poison：针对快速响应框架的实际投毒攻击

论文链接：https://arxiv.org/abs/2606.16242

核心亮点：揭示生产级安全防护框架（如 Anthropic ASL-3）的训练管道漏洞。

Rapid Response（RR）框架通过持续改进越狱检测分类器来防御新型攻击。本研究揭示其训练管道存在安全漏洞，提示注入可渗透流程，将有毒样本送入训练集。

在严格威胁模型下（仅修改越狱样本），研究实现了两大攻击目标：
1. 定向投毒：在无害样本上制造假阳性。
2. 概念后门攻击：在越狱输入上诱导假阴性。
3. Omission Attack：利用概念缺失导致的错误关联，使后门攻击对已训练的防御策略依然有效。

危害评估：仅 1% 的投毒率即可使假阳性率高达 100%、假阴性率高达 96%，甚至实现近乎完全的标签翻转。这一发现警示 AI 安全框架本身也需被严格审视。

8、HelioX：面向生物物理细节网络的 GPU 原生框架

论文链接：https://openreview.net/forum?id=XjTRtfxK9g

核心亮点：GPU 原生设计，统一高性能模拟与可扩展训练，降低工程门槛。

生物物理神经元模型具有丰富时空计算能力，但其不规则树突拓扑与深度学习框架不匹配，导致训练效率低下。HelioX 是一个GPU 原生框架：
* 定制融合 CUDA 内核：专为树突层级调度和梯度传播设计。
* 端到端闭环：解析梯度传播，实现从模拟状态更新到参数优化的完整闭环。
* 多流并发：提升 GPU 执行效率。

HelioX 在消费级 GPU 上实现了深度生物物理 MLP 训练及线虫（C. elegans）模型拟合，在数值和学习基准测试中取得显著的速度和内存效率提升，使详细神经元研究在计算神经科学和脑启发学习中更加可行。