滴滴技术团队五篇论文被 ICML 2026 收录，涵盖大模型智能体评估、GUI 自动化记忆系统、持续离线强化学习、智能体上下文省略及因果推断等前沿方向。
📝 详细摘要
本文是滴滴技术团队发布的成果公告，宣布其五篇学术论文被机器学习顶会 ICML 2026 录用。论文分别来自滴滴 L-Lab 和网约车交易市场技术团队，与中山大学、香港科技大学（广州）、北京大学、上海财经大学等高校合作完成。研究方向覆盖大模型智能体长周期任务评估基准（UltraHorizon）、GUI 智能体自进化记忆系统（Darwinian Memory）、持续离线强化学习（HTAC）、智能体上下文省略框架（Agent-Omit）以及因果推断中的结构性非重叠问题（Feasible Fusion）。文章简要介绍了每篇论文的核心贡献和实验结论，并提供了 arXiv 论文链接。
💡 主要观点
- 滴滴五篇论文被 ICML 2026 录用，覆盖多个 AI 前沿方向。 论文涉及大模型智能体评估、GUI 自动化记忆系统、持续离线强化学习、智能体上下文省略和因果推断，展示了滴滴在 AI 领域的学术研究实力。
💬 文章金句
- 现有的自主智能体评估未能涵盖现实世界中那些需要持续推理、记忆管理和工具调用的长周期且部分可观察的复杂任务。
- 当前最先进的智能体在这些任务中表现远不如人类，且无法通过简单的扩大规模来提升，其失败的主要原因在于上下文锁定（in-context locking）和基础能力的缺失。
- 通过将记忆构建为一个不断进化的生态系统，DMS 在无需任何额外训练的情况下，显著提升了 MLLM 智能体的任务成功率、执行稳定性与效率。
- Agent-Omit 采用两阶段训练：先基于冷启动数据微调，让模型掌握省略行为规范；再通过省略感知的智能体强化学习，实现自适应省略冗余内容。
- 本文对由处理机制诱发的结构性非重叠进行了形式化刻画，并证明：在这一情形下，常用的加权融合方法在理论上无法满足随机化识别约束。
📊 文章信息
AI 初评：82
来源：滴滴技术
作者：滴滴技术
分类：人工智能
语言：中文
阅读时间：10 分钟
字数：2326
标签： ICML 2026, 滴滴技术, 大模型智能体, 强化学习, 因果推断