統計諮詢學術演講 主講人：李政崇博士 (台電綜合研究所)

國立陽明交通大學統計學研究所
統計諮詢學術演講


題　目：從生成到評測：ICML 2026 中的統計問題

主講人：李政崇博士 (台電綜合研究所)

時　間：115年11月06日(星期五) 下午13:20 ~ 15:10

地　點：綜合一館427室

摘要
　　國際機器學習大會（ICML）與 NeurIPS、ICLR 並列機器學習領域三大頂尖會議。2026 年第 43 屆於韓國首爾舉行，投稿 23,918 篇，錄取率 26.6%，投稿數創歷屆新高。本演講以講者親臨會場的觀察為基礎，從統計的角度重新解讀本屆大會的重要內容。
　　第一部分介紹五場特邀演講，各對應一個統計核心概念。Kakade 以可精確求解的二次模型預測大型語言模型的訓練行為，涉及規模律與批次大小的選擇。Regev 提出的「實驗室在迴路」，本質上是實驗設計與主動學習。Narayanan 指出 AI 的能力進步快、可靠性進步慢，評測本身即是統計推論問題。Rieser 探討獎勵駭客與諂媚現象，呼應 Goodhart 定律。馮雁則從世界模型出發，探討表徵學習的發展方向。
　　第二部分聚焦研討場次，涵蓋三個主題：擴散模型的抽樣理論與生成順序；最適傳輸與 Schrödinger bridge 在多代理路徑規劃上的應用；AI 代理的可靠性評測方法。第三部分選介時序基礎模型、頻域分析、早期預測及異常偵測等海報研究。
最後歸納本屆大會四項趨勢：
1.    從追求能力轉向確保可靠。
2.    人機協作優於全自動。
3.    基礎模型加上快速微調成為主流。
4.    AI 導入是一場流程重組。
並與研究生分享：在模型能力快速成長的時代，抽樣、評測設計、不確定性量化與實驗設計，正是統計人最能發揮所長之處。