ICML（International Conference on Machine Learning）是机器学习领域最具影响力和权威性的国际顶级学术会议之一（CCF-A 类），也是人工智能领域公认的旗舰会议。聚焦机器学习理论、深度学习、大语言模型、多模态学习、强化学习、AI for Science 等前沿方向。第43届会议将于2026 年 7 月 6 日至 11 日在韩国首尔举行，本届会议共有23,918篇论文进入评审流程，最终录用 6,352 篇，录用率为26.6%。

在近日公布的论文接收结果中，腾讯共有 150+ 篇论文入选，多篇成果获Oral与Spotlight收录。入选论文来自腾讯混元、微信、腾讯云、优图实验室、腾讯游戏、腾讯营销、腾讯视频等多个业务与研究团队。作为 ICML 今年的赞助商之一，腾讯将携最新技术成果亮相首尔 COEX 会展中心，期待7 月 6 日会场相见，共探机器学习的前沿演进！

From learning to reasoning, 以下为部分腾讯入选本届 ICML 2026 的 Oral 与 Spotlight 论文精选，诚邀各位与腾讯开启一场关于机器智能的深度对话。

Oral 论文精选

1

WeDLM : Reconciling Diffusion Language Models with Standard Causal Attention for Fast Inference

Oral摘要

1. 提出了WeDLM，这是一种基于标准因果注意力的扩散语言模型推理框架，能够在保持强自回归模型能力的同时实现并行生成。WeDLM-8B 在保持 Qwen3-8B-Instruct 级别综合能力的同时，相比 vLLM 优化的 Qwen3-8B 实现约3 倍端到端加速，在数学推理任务上达到3–6 倍加速，在低熵生成场景中最高可超过10 倍。

2. 方法从传统的双向注意力扩散范式转变为因果注意力扩散范式。前者通过双向上下文恢复 masked tokens，虽然天然适合并行预测，但会破坏自回归推理系统中最关键的prefix KV cache 复用机制，导致每一步都需要重新上下文化，难以转化为真实部署中的wall-clock 加速。后者则在严格causal mask下完成扩散式并行恢复，从根本上兼容现有大语言模型推理系统。

3.WeDLM的核心是Topological Reordering与Streaming Parallel Decoding。具体而言，Topological Reordering 将当前已观测 token 重排到物理前缀，同时保留其原始逻辑位置，使每个 masked position 即使在标准因果注意力下也能访问所有当前可用信息。基于这一性质，Streaming Parallel Decoding 将高置信 token持续提交为可复用的左到右前缀，并保持稳定的并行预测负载，从而避免 block diffusion 中常见的stop-and-wait 问题。

4. 得益于完全兼容标准 causal attention，WeDLM 能够原生复用KV cache、FlashAttention、PagedAttention 和 CUDA Graph等成熟推理优化，而不依赖复杂专用架构或大规模系统改造。大量实验表明，扩散式并行解码在匹配真实部署条件下可以超过高度优化的自回归推理引擎。本文已被ICML 2026 Oral接收，录用比例约0.7%，模型和代码已开源。

• Oral时间：Thursday, 9 July 2026, 09:00–09:10 (KST)

• Oral地点：Oral Session 5A

团队介绍

微信技术架构部

WeLM技术团队

我们负责微信基础大语言模型WeLM的研发与迭代，持续探索模型架构、预训练、后训练、推理加速、长上下文、Agent 与安全对齐等前沿方向，推动基础模型能力在微信生态中的落地应用。

团队研发的 WeLM 是微信自研大语言模型体系，面向中文理解、对话生成、复杂推理和工具调用等核心能力建设，并赋能微信小微、智能问答、内容理解、信息处理与对话式交互等业务场景。

2

CLEAR: Context-Aware Learning with

End-to-End Mask-Free Inference for Adaptive Subtitle Removal

Oral摘要

1.视频字幕去除对于内容本地化和二次编辑至关重要，但现有的基于掩码（mask）引导的扩散模型方法面临诸多关键局限：训练效率低下（需大量标注及全模型微调）、推理过程复杂（依赖显式掩码序列）以及先验信息利用方式僵化（无法适应质量波动）。为此，我们提出了CLEAR（一种基于上下文感知学习的端到端自适应字幕去除框架），通过三项技术创新应对上述挑战。2.首先，自监督先验学习（阶段 I）利用视频对之间的像素差异作为弱监督信号来提取遮挡引导信息，从而摆脱了对标注数据的依赖，同时学习到了跨语言的通用字幕特征。3.其次，基于LoRA 的自适应精修（阶段 II）实现了参数高效训练，在保留预训练视觉先验的同时，无需外部检测模块即可实现真正的无掩码端到端推理。4.第三，自适应焦点加权机制根据局部质量评估动态调整先验信息的影响权重，从而有效应对多样的字幕风格及噪声干扰。5.大量实验表明，CLEAR 在多语言字幕去除任务中表现卓越，且仅需0.77%的可训练参数，为无需推理时掩码依赖的高效视频文本去除确立了新范式。

• Oral时间：Tuesday, 7 July 2026, 10:15–10:30 (KST)

• Oral地点：Oral 1F Vision-Language Models & Video AUDITORIUM

团队介绍

腾讯

优图实验室

优图实验室成立于2012年，致力于推动AI前沿技术研究，将研究成果转化为实际生产力，助力产业与产品的智能升级。

在技术研究层，重点研究方向包含：计算机视觉（覆盖视觉感知理解、生图生视频等全栈视觉能力）、大模型技术（构建大语言模型、多模态理解双轮驱动体系）、AI infra（聚焦计算加速、模型优化等层地技术创新）

在应用层，外部赋能通过腾讯云输出慧眼核身、数智人、工业质检等解决方案；内部支撑微信支付（人脸核身）、QQ浏览器（agent）、腾讯会议（虚拟背景）、腾讯元宝（rag）等算法能力

在学术成果上，优图实验室已在全球范围内斩获逾1800项专利；发表高质量学术论文近1000篇（包括CVPR、ICML、NeurIPS等CCF A类会议论文占比达90%），研究成果多次入选国际顶级学术会议，发表顶级期刊数量逐年攀升。

Spotlight 论文精选

Manifold-Optimal Guidance: A Unified Riemannian Control View of Diffusion Guidance

Spotlight 论文摘要

1.提出流形最优引导（Manifold-Optimal Guidance, MOG）理论框架，首次从数据流形几何的角度解释扩散模型在高引导强度下出现过饱和、纹理失真等问题的根本原因，为扩散模型生成机理研究提供了新的理论视角。

2.提出几何感知的扩散模型控制方法 MOG，通过感知数据流形的内在结构，引导采样过程始终保持在高密度数据区域附近，显著降低生成过程中的伪影和结构崩塌现象。

3.提出自适应控制策略 Auto-MOG，能够根据生成状态动态调整引导强度，无需重新训练模型、无需人工调参，即可直接适配现有主流扩散模型，实现即插即用的性能提升。

4.在多种主流扩散模型和公开基准上取得领先效果，在几乎不增加计算开销的情况下，同时提升图像真实感、文本一致性和生成稳定性，为高质量可控生成技术的发展提供了新的解决方案。

• Spotlight时间：Thursday, 9 July 2026, 13:30–15:15 (KST)

• Spotlight地点：HALL A Poster#2704

团队介绍

微信技术架构部

模式识别团队

我们深耕多模态智能体前沿研究与实景落地，持续研发创新技术，全面强化智能体感知、理解、推理、生成、决策一体化能力。团队年均发表数十篇顶会顶刊论文，成果见于 NeurIPS、ICML、ICLR、CVPR、ICCV、TPAMI 及 Nature 系列。立足前沿技术，我们自主探索AI 全新产品形态，孵化创新应用，持续为用户创造核心价值。