← ICML 各届
ICML 2025· International Conference on Machine Learning
ICML 2025
亮点精读
8 篇 · 获奖 / oral / 高引Oral📈 328 引用
rStar-Math: Small LLMs Can Master Math Reasoning with Self-Evolved Deep Thinking
提出rStar-Math方法，让小型语言模型通过自我进化深度思考掌握数学推理。
💡 证明小模型也能达到强推理能力，降低算力依赖。
arXiv
Oral📈 265 引用
Layer by Layer: Uncovering Hidden Representations in Language Models
通过逐层分析揭示语言模型内部隐藏表示的结构与功能。
💡 深入理解模型内部机制，提升可解释性。
arXiv
Spotlight📈 180 引用
AxBench: Steering LLMs? Even Simple Baselines Outperform Sparse Autoencoders
提出AxBench基准，发现简单基线在引导LLM行为上优于稀疏自编码器。
💡 挑战了稀疏自编码器在可解释性中的核心地位。
arXiv
Spotlight
Towards Practical Defect-Focused Automated Code Review
提出缺陷聚焦的自动代码审查方法，提升实际场景中缺陷检测效率。
💡 推动自动代码审查从理论走向实用。
Spotlight
BaxBench: Can LLMs Generate Correct and Secure Backends?
提出BaxBench，评估LLM生成正确且安全后端代码的能力。
💡 首次系统评估LLM后端代码安全性与正确性。
Oral
Implicit Regularization for Tubal Tensor Factorizations via Gradient Descent
证明梯度下降在管状张量分解中隐式正则化，恢复低管秩张量。
💡 揭示张量分解的隐式正则化机制，推动张量学习理论。
Oral
Algorithm Development in Neural Networks: Insights from the Streaming Parity Task
研究神经网络在流式奇偶任务中的算法发展，揭示学习动态与表征形成。
💡 揭示神经网络如何自主发展算法，推动可解释AI。
Spotlight
Hide & Seek: Transformer Symmetries Obscure Sharpness & Riemannian Geometry Finds It
发现Transformer对称性会隐藏损失锐度，提出黎曼几何方法准确测量锐度。
💡 揭示优化几何，改进泛化理论。
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点