Seoul, Südkorea — Die 43. International Conference on Machine Learning (ICML 2026) endet heute im COEX Convention & Exhibition Center in Seoul und krönt damit eine historische Woche für das Fachgebiet. Die Konferenz verzeichnete atemberaubende 23.918 Einreichungen – mehr als doppelt so viele wie im Vorjahr – von denen 6.352 angenommen wurden, was einer Gesamtannahmequote von 26,6 % entspricht.
Diffusionsmodelle räumen die Spitzenpreise ab
Zwei Arbeiten zu Diffusionsmodellen gewannen in diesem Jahr die Outstanding Paper Awards. Die erste, „The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models" von Zanlin Ni und Kollegen, zeigt, dass die Fähigkeit diffusionsbasierter großer Sprachmodelle (dLLMs), Text in beliebiger Reihenfolge zu erzeugen – lange als Vorteil betrachtet – tatsächlich das logische Denken beeinträchtigen kann. Das Team schlug JustGRPO vor, eine Trainingsmethode, die während des bestärkenden Lernens die Links-nach-Rechts-Erzeugungsreihenfolge wiederherstellt, während die Geschwindigkeit der parallelen Dekodierung bei der Inferenz erhalten bleibt.
Die zweite preisgekrönte Arbeit, „High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions" von Fan Chen, Sinho Chewi, Constantinos Daskalakis und Alexander Rakhlin, beweist, dass Diffusionsmodelle hochgenaue Stichproben weitaus effizienter erzeugen können als bisher angenommen. Ihr neuer Algorithmus, First-Order Rejection Sampling (FORS), umgeht die Dichteauswertungen, auf die frühere hochgenaue Methoden angewiesen waren, und macht Diffusionsmodelle potenziell schneller und praktischer für den realen Einsatz.
Test of Time: Das Paper, das die moderne KI leise prägte
Der Test-of-Time-Preis der Konferenz ging an „Asynchronous Methods for Deep Reinforcement Learning", veröffentlicht 2016 von Volodymyr Mnih, Adrià Puigdomènech Badia, Mehdi Mirza, Alex Graves, Timothy Lillicrap, Tim Harley, David Silver und Koray Kavukcuoglu. Das asynchrone RL-Framework der Arbeit ist zu einem Eckpfeiler geworden, wie große Sprachmodelle heute nachtrainiert werden – ein Einfluss, der zum Zeitpunkt der Veröffentlichung nicht breit vorhergesehen wurde.
Alignment, Deepfakes und die Zukunft
Der diesjährige Outstanding Position Paper Award befasste sich mit einer provokativen Frage: „The Alignment Community is Unintentionally Building a Censor's Toolkit" von Sarah Ball und Phil Hackemann argumentiert, dass die primären Werkzeuge zur Gewährleistung von KI-Sicherheit für Zensur zweckentfremdet werden können, gestützt durch reale Beweise. Ein mit einer ehrenvollen Erwähnung ausgezeichnetes Paper, „AI/ML Deepfake Research is Misaligned with AI Generated Non-Consensual Intimate Imagery", hob die wachsende Kluft zwischen Deepfake-Erkennungsforschung und den tatsächlichen Schäden für die Betroffenen hervor.
Fünf weitere Arbeiten erhielten ehrenvolle Erwähnungen in Bereichen von Täuschungsdetektion in RL-trainierten Modellen bis zur Mathematik des Grokkings in neuronalen Netzen. Während die ICML 2026 heute zu Ende geht, richtet die Forschungsgemeinschaft nun ihren Blick auf den NeurIPS später in diesem Jahr – aber die schiere Größe und Breite der in Seoul präsentierten Arbeiten signalisiert, dass die Forschung im maschinellen Lernen mit beispielloser Geschwindigkeit voranschreitet.
