ICML 2026 最佳论文出炉，清华阿里合著论文获奖
ICML 2026 最佳论文揭示扩散语言模型的“灵活性陷阱”，并证明放弃任意顺序生成反而提升推理性能。
ICML 2026 公布奖项，共10篇获奖。杰出论文之一由清华与阿里完成，揭示扩散语言模型（可任意顺序生成token的模型）的灵活性反而限制推理，并提出JustGRPO方法（简化强化学习），在GSM8K达89.1%准确率。另一杰出论文来自MIT与耶鲁，提出高精度扩散模型采样算法。
正文摘录
刚刚，ICML 2026 正式公布最佳论文奖项。 今年获奖论文共计 10 篇，涵盖 2 篇杰出论文奖、1 篇杰出立场论文奖、5 篇杰出论文荣誉提名奖、1 篇杰出立场论文荣誉提名奖、1 篇时间检验奖。 ICML 由国际机器学习学会（IMLS）举办，与 NeurIPS、ICLR 并列为 AI 三大顶会。本届 ICML 为第四十三届，于 7 月 6 日至 11 日在韩国首尔举行。今年共收到 247 份 workshop 提案，最终 44 个入选举办。 在评选机制上，ICML 2026 延续了一贯严格的学术筛选标准。程序委员会主席综合审稿人评分与领域主席提名，从全部投稿中遴选出 53 篇候选论文，并兼顾八个一级主题方向的均衡覆盖，以减少跨领域评审标准差异带来的偏差。此后经再度评审，候选名单进一步缩减至 22 篇。 最终，上述论文提交由 11 位成员组成的杰出论文评选委员会审议。委员会对匿名论文进行交叉评审，经充分讨论、严格回避利益冲突，并在必要时引入外部专家意见，最终从中选出 2 篇杰出论文与 5 篇荣誉提名论文。 以下是今年的获奖论文与简要介绍。 杰出论文奖 - 论文标题：The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models - 机构：清华大学、阿里巴巴 - 论文链接：http://arxiv.org/pdf/2601.15165 扩散式大语言模型（dLLMs）打破了传统大语言模型从左到右生成的刚性约束，使 token 可以按任意顺序生成。直觉上，这种灵活性意味着其解空间严格包含固定的自回归生成轨迹，理论上有可能释放出更强的推理潜力。事实上，在一些特定的约束满足任务中，例如数独，这一能力已经展现出明显优势。