可解释性和底层理论在回潮，这是ICML 2026首日逛下来最直接的感受。
正会在首尔COEX，我主要翻了Poster Session 2的几篇spotlight，大致分两拨：
一拨是给大模型做硬核评测基准，形式化验证代码生成、并发代码里的数据竞争预测，都是拿模型去啃传统上很难的活。
另一拨在抠模型内部。印象最深的一篇说，模型答对的时候激活的神经元反而更少、更一致，拿这个信号做提前停止，能省下一大把token。
AI for Science那边也占了不少墙，蛋白质结合物设计、神经动力学建模都有。
神经元一致性那篇有意思，省token是真需求
mark
形式化验证那几篇用的哪套证明器？想去翻原文
1 个赞
AI for Science这两年是真占版面，评测那类看着枯燥但落地最实在
省token那条得落到推理框架里才算数，论文里的收益一般会缩水