← ICML 各届
ICML 2026· International Conference on Machine Learning
ICML 2026
亮点精读
8 篇 · 获奖 / oral / 高引📈 19 引用
Score-Based Causal Discovery of Latent Variable Causal Models
提出基于分数的因果发现方法，从观测数据中学习含隐变量的因果模型。
💡 无需干预实验，仅凭观测数据即可发现隐变量因果结构。
arXiv
📈 14 引用
Relevant Walk Search for Explaining Graph Neural Networks
提出相关游走搜索方法，通过识别关键子图结构解释图神经网络预测。
💡 首次实现高效且保真的GNN解释方法。
arXiv
📈 8 引用
Improving Flow Matching by Aligning Flow Divergence
通过对齐流散度改进流匹配，提升生成模型性能。
💡 提出新训练目标，显著提高生成质量。
arXiv
📈 3 引用
Short-lived High-volume Bandits
研究短生命周期高容量场景下的在线学习问题，提出新算法。
💡 解决推荐系统中物品快速更替的难题。
📈 3 引用
The Harder Path: Last Iterate Convergence for Uncoupled Learning in Zero-Sum Games with Bandit Feedback
提出零和博弈中基于bandit反馈的非耦合学习算法，证明最后迭代收敛性。
💡 解决非耦合学习收敛性难题，推动博弈论与强化学习融合。
arXiv
📈 3 引用
CombiMOTS: Combinatorial Multi-Objective Tree Search for Dual-Target Molecule Generation
提出CombiMOTS，一种结合多目标树搜索与组合优化的双靶点分子生成方法。
💡 首次实现双靶点药物分子的高效组合优化生成。
arXiv
📈 2 引用
Controlling Underestimation Bias in Constrained Reinforcement Learning for Safe Exploration
提出一种约束强化学习方法，通过修正低估偏差实现安全探索。
💡 解决安全探索中的低估偏差问题，提升约束满足可靠性。
arXiv
📈 2 引用
Extreme Value Policy Optimization for Safe Reinforcement Learning
提出极值策略优化，通过约束最坏情况回报实现安全强化学习。
💡 首次将极值理论用于安全RL，理论保证强。
arXiv
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