ICML 精选 Spotlight Poster 汇总：Session 5-2

7月8日，机器学习领域最具影响力的顶级学术会议ICML 2026进入正会第二天。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。 本期精选Poster Session 5 的9篇Spotlight论文，覆盖高效卷积算子、离散扩散模型、低精度训练、偏好优化理论、MoE路由、大模型鲁棒性、黑盒优化、3D点云补全、脑机接口和机器人记忆评估等多方面。 如果你也想让你的研究成果出现在这里，请与我们联系： 1、WestWorld：面向多样机器人系统的知识编码轨迹世界模型 WestWorld: A Knowledge-Encoded Scalable Trajectory World Model for Diverse Robotic Systems 论文链接：https://arxiv.org/abs/2603.14392 轨迹世界模型在机器人动力学学习、规划和控制中至关重要，但现有方法难以扩展到大量不同的系统动力学场景，且忽略了机器人物理结构的领域知识。WestWorld提出了一个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系统的专业化专家，并引入结构化嵌入将轨迹表示与形态学信息对齐，从而在可扩展性和零样本泛化能力上取得突破。 该模型在89个复杂环境上进行了预训练，覆盖仿真和真实世界的多种形态学设定。实验表明，WestWorld在零样本和少样本轨迹预测任务上显著优于竞争基线，并展现出强大的跨环境可扩展性。研究还发现，物理结构知识的引入有效提升了模型的零样本泛化能力，显著改善了不同机器人下游基于模型的控制性能。 此外，研究团队将模型部署在真实的Unitree Go1四足机器人上，验证了其在实际场景中的稳定运动性能。这一工作为构建通用机器人世界模型提供了新范式，展示了知识驱动与数据驱动融合的巨大潜力。 2、DS-TS：用物理动力系统求解时间依赖微分方程 Solving Time-Dependent Differential Equations with Physical Dynamical Systems 论文链接：https://openreview.net/forum?id=0YHSZPkMp8 时间依赖微分方程（TDDE）广泛应用于科学和工程的动态过程建模，但传统数值求解器面临延迟与精度的根本矛盾——小步长