ICML 2026前瞻：投稿翻倍背后，机器学习正在换挡

首尔见，ICML见，新方向见。 作者丨 吴思梦 编辑丨 岑 峰 7月6日–11日，第43届国际机器学习大会（ICML 2026）将首次落地韩国首尔COEX会展中心举行，会议主题为 “Machine Learning for the Real World” ，强调机器学习在真实场景中的落地。 （图源 ： CS Co nf Stats） 根据计算机科学会议统计看板 CS Conf Stats的最新数据显示， 今年共接收论文6352篇（常规主赛道论文），102%的增幅，接受率26.6% ，与去年的26.9%基本持平。 23918篇投稿，6352篇接收，26.6%接受率，Spotlight占比2.2%，Oral 演讲占总投稿数的 0.7% ——ICML创办43年来，还没有哪一年的投稿量像今年这样翻倍式增长。而在投稿量翻倍的前提下维持接受率，也传递出会议正在主动扩容的讯号。 除此之外，今年两项全新的制度调整，为学术社区带来了透明度的实质性变化： 其一是参会展示改为可选，接收论文作者可以选择仅以论文集形式收录，在会议记录中享有同等地位且均可参评奖项。其二是原始投稿版本将被公开，包括匿名评审意见、作者Rebuttal及审稿人、作者讨论内容。 01 三 大 趋势 重塑行业走向 ，具身模型成热门 把近三年ICML的热点关键词串联起来，机器学习的转向脉络会格外清晰：2024-2025年的热点“Transformer变体、PEFT微调、扩散模型优化”已日渐饱和，纯粹的增量改进在ICML极难生存。2025年底以来谈论最多的的红利方向，诸如Alignment、Agent、可解释性、测试时训练（TTT）正在成为今年论文的主体。而当前正在抢占的战略高地，是具身智能的世界模型、科学计算的深水区，以及可信AI的政策框架。 如果说论文数量反映的是“关注度”，那论文方向的变化反映的是“行业焦虑”。从今年ICML论文反映的技术版图里，有三个不可忽视的信号： ▎ LLM 推理：从“更大模型”到“更好思考” 通过对 OpenReview 中录用论文的 Keywords 进行全量文本检索，我们发现LLM相关论文占今年接收论文的近20%，如果算上对齐、安全、Agent等间接相关方向，比例超过30%。但真正值得关注的是研究性质的变化。 LLM相关论文占今年接收论文的近20%，算上对齐、安全、Agent等间接相关方向，比例超过30%。但数字不是重点——重点是研究性质的根本变化： 不再堆参数，更多的是堆"思考" 。 多篇论文追问同一个问题：在推理阶段投入更多计算资源，能否超越单纯增大参数量？有研究者将MCTS（蒙特卡洛树搜索）引入LLM推理，提出预算感知的搜索策略；也有人从信息论视角分析隐式思维与显式思维链的边界，追问一个更根本的问题，即模型在“不说话”的时候，到底能不能推理？ 强化学习（RL）以886篇论文成