ICML2026的10个AI新信号
量子位 · wechat · 2026-07-16
这篇长文整理了 ICML 2026 期间的多场闭门交流，提炼出 10 个重要信号，核心判断是：AI 正在从“提升模型能力”走向“构建可持续的智能系统”。 ### 几个主要共识 - **扩散语言模型**的价值不只是更快解码，更可能带来“先写草稿、再修改”的新生成范式。 - **数据正在反过来定义模型**：具身智能、AI4Science 等方向里，真正的竞争不再只是数据量，而是数据如何驱动模型架构和训练策略。 - **AI 与金融** 正从技术验证走向商业兑现，基础模型、推理模型和 Agent 正在重塑研究与交易流程。 - **Agent** 将成为连接基础模型与真实世界的新基础设施，尤其在世界模型、具身智能和多智能体协同里扮演关键角色。 - **AI4Science** 可能与 AI4AI 深度合流，让科学发现进入由 AI Agent 加速的时代。 - 下一代交互范式将更接近**全双工、原生交互**，而不是“说一句、答一句”。 - **RSI/递归自我改进** 的瓶颈不只是提升能力，更是验证带宽：系统能执行，不代表能被可靠审计。 - **科学评测** 需要更严谨，不能只看 benchmark 分数，还要看分布外泛化、实验验证、复现与失败案例。 - **机器人安全** 的重点可能从避免物理事故，扩展到让人感到可预测、可理解的“感知安全”。 ### 总体结论 这组观点共同指向一个方向：未来 AI 的关键，不只是单点模型更强，而是谁能把模型、数据、Agent、评测、交互和安全组织成一个能持续进化的系统。