ICML 2026在首尔COEX开了正会，翻了下Poster Session 2的几篇spotlight，风向能看出来。一类是给大模型做硬核评测基准，比如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很难的活；另一类在抠模型内部，有篇讲正确回答时激活的神经元反而更少更一致，靠这个信号能提前停还省一大把token。
AI for Science那边，蛋白质结合物设计、神经动力学建模也占了不少墙。
可解释性和底层理论明显在回潮。
神经元一致性那篇有意思，省token是真需求
mark
形式化验证的基准越来越多了
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