ICML 精選 Spotlight Poster 彙總：Session 7-2

ICML 2026 進入第三天，雷鋒網記者在首爾 COEX 會展中心現場見證了這場機器學習領域頂級盛會的火熱氛圍。本屆大會共錄用 6352 篇論文，其中被選為 Spotlight 的論文僅有 536 篇，佔總投稿數的 2.2%，可說是百里挑一的頂尖研究。雷鋒網與 AI 科技評論團隊從眾多學術海報中，精選出六篇極具代表性的 Spotlight 論文，涵蓋空間智能、腦網絡分析、圖學習、推理優化、大語言模型記憶與高效生成等前沿領域，帶讀者一窺當前 AI 研究的最新突破。視覺語言模型（VLM）在常識推理上表現出色，但在理解三維物理世界的空間推理上卻力不從心。

過去的研究多仰賴導入額外的 3D 先驗知識或外部空間編碼器，但這麼做不僅讓模型變得更複雜，還常常在強化空間能力的同時，犧牲了模型原有的通用能力。針對這個「撿了芝麻丟了西瓜」的難題，一篇名為 SpatioLM 的研究提出了一個優雅的解決方案。該方法設計了一個即插即用、非侵入式的空間視覺模塊，專注於激發 VLM 內部本就存在卻未被充分利用的空間知識，而非仰賴外部編碼器。更特別的是，它利用偽深度與相機資訊作為監督信號，引導模型學習符合物理邏輯的空間表徵，讓模型真正有能力去「理解」三維世界。實驗結果相當亮眼：SpatioLM 在 VSI-Bench 基準上取得了 71.

6 分，成為首個突破 70 分大關的模型，在空間感知與理解任務上全面領先，同時通用能力絲毫不受影響，甚至還能遷移至具身操作任務，為 VLM 的空間智能發展提供了新典範。在多模態腦網絡分析領域，如何從功能性連接組來預測神經精神狀態，一直是研究重點。但現有方法多半將受試者的表型資訊（如年齡、疾病狀態）當作次要特徵，在模型後期才進行融合，隱含了「無論表型為何，連接組的表示方式都一樣」的假設。然而在臨床神經科學中，完全相同的功能性連接模式，在不同的表型背景下，可能導向完全相反的結論。名為 PhenoBrain 的研究打破了這個框架，提出在機制層面就注入表型資訊。

該方法設計了「表型條件化的長程路由機制」，學習主體專屬的多跳通訊核心來建模長程連接組互動；同時提出「表型引導的注意力機制調節方法」，將表型資訊作為條件先驗，調節腦網絡中注意力的學習過程。這種從機制源頭就納入表型資訊的策略，讓表型能全程參與表示學習。研究團隊基於開源圖像數據建構了兩個多模態腦網絡分析數據集，大量實驗證明 PhenoBrain 達到了最先進的性能，為腦網絡分析與臨床神經科學的結合提供了強而有力的新工具。圖神經網路中常見的消息傳遞神經網路（MPNN），在處理長距離依賴關係時，常會遭遇「過度壓縮」問題，也就是資訊在多層傳遞中被過度壓縮而遺失。

現有透過譜濾波進行全局資訊混合的方法，雖然能緩解此問題，但其理論保障卻依賴於難以在實務中滿足的強假設。S³GNN 這篇研究重新審視了這些理論，發現相關假設在現實中幾乎無法實現，因此提出了一種無需限制性假設就能緩解過度壓縮的新方法。它透過輕量級地重新導入被省略的組件，將高效的全局混合與局部消息傳遞結合，在一個新的動力學框架下維持了標準特徵變換的穩定性約束，同時大幅降低計算複雜度。在長距離基準、知識圖譜問答及網格流體動力學等領域的實驗中，S³GNN 實現了高達一個數量級的誤差降低，且參數量減少 50%，用更少的參數達到了更好的性能，為圖學習領域樹立了新標杆。

隨著大型推理模型（LRM）越來越依賴結構複雜的推理軌跡，如何定義「高品質推理」、如何評估冗長且隱式結構化的推理軌跡，以及如何將評估訊號反饋給模型進行優化，成為三個亟待解決但彼此脫節的問題。這項研究提出了 ME² 原則，從宏觀與微觀兩個層面、沿著效率與有效性兩個維度來刻畫推理品質。接著，研究團隊將推理軌跡建模為有向無環圖（DAG），以捕捉其複雜結構，並開發了基於 DAG 的成對評估方法，同時建構了 TRM-Preference 數據集來訓練思考獎勵模型（TRM）。這讓推理品質的評估得以規模化，打通了從評估到優化的完整閉環。

實驗結果顯示，思考獎勵作為優化訊號確實有效：在測試時選擇更好的推理軌跡，可帶來最高 19.3% 的性能提升；在強化學習訓練中強化推理能力，則可獲得最高 3.9% 的性能提升。這項工作為推理品質的定義、評估與優化提供了第一個統一框架，兼具理論與實踐價值。擴展數據規模與參數量，曾是改進大語言模型（LLM）的主要路徑，但隨著高品質數據逐漸枯竭與計算資源邊際效益遞減，這條路已接近極限。受人類從實踐中學習的啟發，為 LLM 建立記憶與持續學習框架成為重要方向。然而，現有基準多半聚焦於同質化的閱讀理解，而非測試系統在服務過程中從累積的用戶回饋中學習的能力。

這篇名為 MemoryBench 的研究，提出了一個用戶回饋模擬框架與一個涵蓋多領域、多語言、多任務類型的綜合基準，專門評估 LLM 系統的持續學習能力。它模擬真實服務場景中用戶與 LLM 的互動，測試系統能否從用戶回饋中學習並持續優化表現。實驗結果揭露了一個警訊：當前最新的方法在有效性與效率上，都遠未達到令人滿意的程度，顯示 LLM 的記憶與學習能力仍是個巨大的未解難題，MemoryBench 為未來研究提供了重要的評估基礎設施。大型推理模型透過鏈式思考（CoT）來解決複雜問題，但常常陷入「過度思考」，生成大量冗餘的推理 token，不僅浪費計算資源，甚至導致準確率下降。

現有緩解方法不是需要大量訓練資源，就是過度依賴精心設計的提示詞或不可靠的置信度訊號。這篇名為 ASAG（Attention-State Adaptive Generation）的研究，從注意力分佈的獨特視角切入，透過分析推理過程中注意力狀態的變化，來推斷模型的推理狀態，並據此自適應地調整生成策略。這個方法完全不需要訓練，可以即插即用，無縫整合到現有推理模型中，在模型「想清楚」的時候及時停止生成，避免無效推理。在 9 個基準測試上，ASAG 在 DeepSeek-R1-Distill 與 Qwen3 系列等主流模型上均取得一致提升，特別是在 Qwen3-8B 上，平均準確率提升了 3.

2%，生成 token 數卻減少了近 40%。這個結果證明了「學會停下來，反而能讓 AI 更聰明」。從空間智能到腦網絡分析，從圖學習到推理優化，從 LLM 記憶到高效生成，這六篇 Spotlight 論文展現了 ICML 2026 多元且深入的創新風貌。它們或突破評測天花板，或填補理論空白，或揭示能力短板，共同指向一個趨勢：AI 研究正從單純追求「更大更強」，轉向追求「更智能、更高效、更可持續」。雷鋒網與 AI 科技評論將繼續在現場帶來更多 ICML 2026 的第一手精彩內容。