A.I. 日报
研究者将10年10.9万篇ML论文整理成按主题分页的研究地图
有团队将ICML、NeurIPS、ICLR、CVPR、AAAI自2016年以来的约10.9万篇录用论文归入约1260个主题，并从其中7.9万篇全文提取结果表格。各主题页展示基准最佳成绩及其来源论文、近期消融实验和常用对比基线。该工具免费开放，作者提醒抽取数字未必完全可比。
ICML
6 篇报道ICML（国际机器学习大会）是机器学习领域的学术会议，研究者在此发表论文并围绕其展开讨论。近期报道包括：LittleBit-2 作为 ICML 2026 的后续工作，用 Joint-ITQ 初始化改进了亚 1 比特的 LLM 压缩；Nvidia 的 ICML spotlight 论文 DreamDojo 被指代码存在缺陷，相较 Cosmos 2.5 的 PSNR 提升仅约 0.5 dB；Nvidia 还称 ICML 2026 上有 145 篇论文引用了其 Nemotron 开放模型。社区也在讨论如何为 ICML 等会议写作论文，以及审稿意见疑似由 AI 生成的问题。
相关话题
- NeurIPS4
- ICLR3
- AAAI2
- Nvidia2
- CVPR1
- scime.ai1
- Michael J. Black1
- Banseok Lee1
- LittleBit1
- LittleBit-21
- Youngmin Kim1
- Claude1
研究者称AI生成评审正侵蚀同行评审流程
一位为AAAI 2027和ICLR 2027审稿的研究者表示，其所见评审中约一半疑似完全由AI生成或经AI改写，投稿论文中也出现明显的AI写作痕迹。该研究者认为这一问题需要比目前更多的关注。
社区讨论：如何为顶会写好论文
一名研究者询问面向NeurIPS、ICLR、ICML审稿人的写作风格，并引用Michael J. Black的博客观点——论文应更重叙事而非仅罗列结果，向社区征求经验与看法。
LittleBit实现亚1比特大模型压缩
LittleBit（NeurIPS 2025）通过将权重矩阵分解为低秩潜因子、二值化并用轻量学习尺度恢复幅度，实现每权重1.0至0.1比特的极端压缩，且推理时保持原架构。后续工作LittleBit-2（ICML 2026）引入Joint-ITQ初始化，仅改进初始化而不增加推理开销。
英伟达ICML聚光灯论文被曝代码多处错误
Reddit用户指出，英伟达机器人世界模型DreamDojo论文仅比Cosmos 2.5提升约0.5 dB PSNR，却用了4.4万小时人类数据与256块H100。其发布代码在预训练、后训练和评估阶段均存在已被GitHub问题报告的bug，导致论文结果可疑。
英伟达高管将在TechCrunch Disrupt谈开源与闭源AI抉择
英伟达开发者技术总监Nader Khalil与全球风投合作负责人Sydney Sykes将于10月13-15日在旧金山TechCrunch Disrupt 2026登台，讨论初创公司在开源与专有模型之间的取舍。英伟达称2026年ICML有145篇论文引用其Nemotron开源模型，但前沿闭源模型能力仍在快速提升，选择将影响成本、基础设施与差异化。
已经到底了