旷视多模态上下文学习工作被全球顶会ICML 2026录用，亮相韩国首尔

7月6日，第43届国际机器学习大会（International Conference on Machine Learning，ICML 2026）在韩国首尔COEX会展中心举行，旷视算法研发团队参加了此次会议。作为人工智能领域全球最顶级的学术会议之一，ICML与NeurIPS、ICLR并列为三大最具影响力的机器学习顶会。本届大会投稿量突破23,000篇，录用率约26.6%——每一篇入选论文都代表着当前人工智能研究的前沿水准。旷视多模态上下文学习工作也获得了本次ICML 2026的录用。

对旷视而言，ICML不只是一次参会，更是一次与全球一线AI研究者交流前沿问题的机会。今年ICML所强调的“Machine Learning for the Real World”，与旷视正在推进的问题高度契合：大模型如何更高效地进入行业场景，以及AI智能体如何在真实物理世界中实现自主化升级。我们希望借此机会与同行展开讨论，把握前沿技术脉络，也分享旷视在相关方向上的思考与实践。

与会者来到旷视展位交流

传统多模态上下文学习通常关注的是：模型能否通过少量上下文信息判断“当前要做什么任务”。但在真实场景中，更关键的问题常常不是任务本身发生了变化，而是判断标准发生了变化。也就是说，当任务保持不变时，模型能否理解“当前应按什么标准来判断”。

围绕这一问题，旷视提出了准则感知的上下文学习方法。该方法不再只是利用少量案例说明任务，而是进一步让模型从上下文中捕捉当前判别准则：在面对待判断样本时，模型需要结合前文给出的样例关系和标注线索，推断当前采用的判断标准，并据此作出条件化判断。

换句话说，这项工作关注的不是让模型简单记住一个固定标签，而是让模型学会在少样本条件下理解“标准为什么变化”，并据此调整判断边界。这一问题不仅具有基础研究价值，也体现了旷视对于大模型行业落地的一种思考：模型进入真实业务场景，不只是完成一个预设任务，更要理解场景中的规则、标准和约束。

真实行业场景通常不是封闭、规则明确、充分标注的标准数据集。模型不仅要面对有限标注和长尾样本，更要适应不同业务场景下不断变化的判断标准、风险要求与成本约束。如何通过高效后训练与少样本方案，让大模型以更低成本适配不同场景，是AI从通用能力走向实际价值的重要路径。

这也是旷视关注的第一条主线：通过高效后训练、上下文学习等方式，推动大模型能力向具体行业场景快速适配和有效落地。

与此同时，旷视也在面向真实物理世界持续探索自主智能体。不同于数字空间中的任务执行，真实物理世界更加开放、动态和不确定。智能体需要在复杂环境中理解物体、空间、行为和反馈，并在此基础上完成自主决策与行动。如何让AI智能体在真实物理世界中实现从感知、理解到行动的自主化升级，是旷视关注的另一条关键主线。

因此，这次来到ICML，旷视希望围绕这两类问题与同行展开交流：一是大模型如何通过更高效的方式进入行业场景，二是AI智能体如何在真实物理世界中持续提升自主能力。我们也期待与关注相关方向的研究者、工程师和合作伙伴展开更多讨论，共同探索AI从前沿研究走向真实场景的更多可能。