Команда Хуан Гао из Университета Цинхуа получила премию за выдающуюся статью на ICML 2026, а премия за проверку временем вручена классическому алгоритму A3C.

7 июля, ведущая международная конференция по машинному обучению ICML 2026 прошла в Сеуле, Южная Корея, и объявила ежегодные награды за лучшие статьи. Доклад команды Гао Хуан из Университета Цинхуа в сотрудничестве с Alibaba (The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models) получил премию за выдающуюся статью. Исследование показывает, что гибкость произвольного порядка генерации в диффузионных языковых моделях, наоборот, ограничивает потенциал модели в таких задачах общего рассуждения, как математика и программирование, а отказ от произвольного порядка и использование традиционного подхода генерации слева направо не только упрощает метод, но и значительно повышает точность рассуждения.

Другая премия за выдающуюся статью была присуждена Массачусетскому технологическому институту и Йельскому университету за исследование, в котором предлагается алгоритм высокоточного дискретизации диффузионных моделей (High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions), реализующий экспоненциальную оптимизацию числа шагов (или сложности дискретизации), необходимого для достижения целевой точности выборки.

Также в этом году была награждена позиционная статья (Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit), написанная исследователями из Мюнхенского университета и независимыми исследователями, в которой указывается, что текущие технологии выравнивания искусственного интеллекта имеют двойное назначение и могут быть легко злонамеренно использованы в качестве инструмента информационной цензуры.

Премия за проверку временем на этой конференции была присуждена классическому алгоритму обучения с подкреплением, опубликованному командой Google DeepMind в 2016 году (Asynchronous Methods for Deep Reinforcement Learning). Предложенная в этом исследовании архитектура асинхронного преимущественного актора-критика (A3C) значительно повысила эффективность обучения глубокого обучения с подкреплением, открыв эру эффективного обучения агентов с использованием обычных многоядерных процессоров.