Đội ngũ Hoàng Cao của Đại học Thanh Hoa giành giải thưởng bài báo xuất sắc ICML 2026, giải thưởng Kiểm tra Thời gian được trao cho thuật toán cổ điển A3C.

Ngày 6 tháng 7, hội nghị hàng đầu quốc tế về học máy ICML 2026 đã diễn ra tại Seoul, Hàn Quốc và công bố các bài báo đoạt giải thưởng năm nay. Bài báo hợp tác giữa nhóm Hoàng Cao của Đại học Thanh Hoa và Alibaba (The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models) đã giành giải bài báo xuất sắc. Nghiên cứu chỉ ra rằng tính linh hoạt của thứ tự sinh tùy ý trong các mô hình ngôn ngữ khuếch tán thực sự hạn chế tiềm năng của mô hình trong các nhiệm vụ suy luận tổng quát như toán học và lập trình, trong khi việc từ bỏ thứ tự tùy ý và áp dụng phương pháp sinh từ trái sang phải truyền thống không chỉ đơn giản hơn mà còn cải thiện đáng kể độ chính xác suy luận.

Một bài báo xuất sắc khác do MIT và Đại học Yale giành được, nghiên cứu đề xuất thuật toán lấy mẫu độ chính xác cao cho các mô hình khuếch tán (High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions), đạt được tối ưu hóa theo cấp số nhân về số bước (hoặc độ phức tạp lấy mẫu) cần thiết để đạt độ chính xác lấy mẫu mục tiêu.

Giải thưởng lớn của kỳ này còn có một bài báo quan điểm (Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit), do các nhà nghiên cứu từ Đại học Munich, Đức và các nhà nghiên cứu độc lập hợp tác, chỉ ra rằng công nghệ căn chỉnh AI hiện tại có rủi ro sử dụng kép, rất dễ bị thao túng độc hại để trở thành công cụ kiểm duyệt thông tin.

Giải thưởng thử thách thời gian của kỳ hội nghị này được trao cho thuật toán học tăng cường cổ điển (Asynchronous Methods for Deep Reinforcement Learning) do nhóm Google DeepMind công bố năm 2016. Kiến trúc Actor-Critic bất đồng bộ (A3C) được đề xuất trong nghiên cứu này đã cải thiện đáng kể hiệu quả huấn luyện của học tăng cường sâu, mở ra kỷ nguyên huấn luyện tác nhân hiệu quả bằng cách sử dụng CPU đa lõi thông thường.