ICML 精选 Spotlight Poster 汇总：Session 7-2

7月9日，机器学习领域最具影响力的顶级学术会议ICML 2026进入正会第三天。本次大会共接收6352篇论文，其中Spotlight论文536篇（占投稿总数的 2.2%），Oral 论文168篇 （仅占投稿总数的 0.7 %）。 作为国际顶级的机器学习会议，今年的ICML吸引了数千篇论文投稿，其中Spotlight论文更是百里挑一，代表着当前AI研究的最前沿方向。 雷峰网已派出报道小组赴首尔COEX会展中心参会。在会议现场，我们从Poster展区的数千张学术海报中精选出最具代表性的研究成果，以“一张图+一段解读”的方式呈现给未能亲临现场的读者。 雷峰网 & AI科技评论在现场为您带来第一手报道，精选六篇Spotlight论文，涵盖空间智能、脑网络分析、图学习、推理优化、LLM记忆与高效生成等多个领域，一窥AI最前沿的突破与趋势。 如果你也想让你的研究成果出现在这里，请与我们联系： 1、SpatioLM：面向视觉语言模型的通用物理空间智能 SpatioLM: Towards General Physical Spatial Intelligence in Vision-Language Models 论文链接：https://openreview.net/forum?id=CHavqrN1X9 视觉语言模型（VLM）在常识推理任务上表现出色，但在视觉空间推理方面存在明显短板。现有解决方案大多引入额外的3D先验知识或外部空间编码器，不仅增加了模型复杂度，还在空间微调后损害了VLM原有的通用能力。如何在增强空间智能的同时不“捡了芝麻丢了西瓜”，成为该领域亟待解决的核心矛盾。 SpatioLM提出了一种参数高效的解决方案，设计了一个即插即用、非侵入式的空间视觉模块，激发VLM中固有但未被充分利用的空间知识，而非引入外部编码器。此外，该方法创新性地利用伪深度和相机信息作为监督信号，引导模型学习物理上连贯的空间表示，使模型能够真正"理解"三维物理世界。 实验结果令人瞩目：SpatioLM在VSI-Bench上取得71.6分，成为首个突破70分大关的模型，同时在空间感知和理解任务上全面领先。更重要的是，模型的通用能力未受损害，在迁移到具身操作任务时也展现出竞争力。这一工作为VLM空间智能提供了优雅且实用的新范式。 2、PhenoBrain：表型条件化的多模态脑网络分析框架 PhenoBrain: Phenotype-Conditioned Long-Range Communication for Multi-Modal Brain Network Analysis 论文链接：https://openreview.net/forum?id=9NqKL9QQ4a 多模态脑网络分析旨在从功能连接组预测神经精神状态，但现有方法大多将表型信息视为辅助特征进行后期融合，隐含假设无论表