算力之外的博弈：ICML 2026 透露了哪些学术硬通货？

告别盲目刷榜，28页 PPT 带你摸透 ICML 新风向。 作者丨陈淑瑜 编辑丨岑峰 I CML 2026 的投稿量从去年的 12107 篇直接飙升至 23,918 篇，几近翻倍。 然而，最终的接收率却牢牢钉在 26.56%，与去年几乎持平。 这一数据传递出一个明确的信号：并非竞争变得盲目激烈，而是学术评审标准经历了一次深刻的“重新校准”。 为了拆解这一趋势，我们制作了一份 28 页的深度分析 PPT，试图摸清 ICML 2026 的评审逻辑与行业风向。以下是我们总结出的四个核心判断。 01 三个方向正在吃掉一半以上的接收名额 我们综合了 ICML 2026 中文导读（TSrigo，6,567 篇标注）和 PaperNotes（1,843 篇精选）的数据，把 76 个二级分类归并成 8 大主题方向。 数据显示，学术资源和评委的青睐正高度集中在以下三个赛道： ▎ 方向一：大模型的「向内求索」（约 1,870 篇，占比 28%） 审稿人不想看你微调了一个什么模型、跑赢了哪些榜单。他们想看的是你挖开了模型的黑箱，看到了里面的电路和机制。 例如CircuitLasso 尝试通过稀疏回归来捕捉语义传播的真实路径，而 Weight-Sparse Transformers 则证明了精简大部分权重后，模型依然能涌现出具备高度可解释性的电路结构。理解黑箱内部的机理，这才是 2026 年大模型研究的正确打开方式。 ▎ 方向二：AI for Science 深水区 （约 860 篇，占比 13.5%） 生物医药（基因组、蛋白质）、物理化学（量子、气象）、科学计算（形式化证明、表格基础模型）这几个方向的投稿量相比去年激增。 然而，评委们已不再为“将已有 AI 模型套用到某个科学数据集上”的浅表结合买单。 诸如 dnaHNet 这样既能实现 3 倍推理加速，又能在多项基因组学基准上斩获 SOTA（最高水平）的硬核工作，才能让评委们心甘情愿买单。 ▎ 方向三：具身智能（超 420 篇） 作为全场瞩目的焦点，具身智能展现出了极高的投稿密度，其中尤以“VLA（视觉-语言-动作）与世界模型的融合”、“双手灵巧操作”以及“Sim-to-Real（仿真到现实）跨越”三条子赛道最为火热。 斯坦福大学的 VLAW 便是其中的典型代表，该研究通过有限的真实世界数据，交替迭代改进世界模型的保真度，最终在真实操作任务中实现了 39.2% 的性能提升，是非常值得精读的标杆案例。 02 三个「隐形门槛」才是淘汰率最高的地方 如果你以为被拒是因为实验不够多、消融不够细，那你可能从一开始就跑偏了。 ▎ 门槛一：数学理论硬度回归。 在对纯实验刷榜产生审美疲劳后，审稿人开始严厉审视工作的理论根基。具备严谨数学证明、收敛性分析及统计学习理论支撑的文章，其评级远高于纯工程性质的工作。 以 Spurious Rewards