4 minute read

초개인화 연구 노트 방향에서 볼 만한 ICML 2026 논문 정리. 관심 워크샵 포스트와 짝. 아래는 모두 ICML 2026 accepted로 확인된 것만(연도나 venue가 다른 후보는 제외). 확인은 ICML 2026 공식 virtual 사이트 poster/oral 페이지와 OpenReview로 했다.

먼저 꼭 볼 것

노트에 정확히 꽂히는 세 편.

  • Modeling User Preferences as Distribution in Federated Recommendation (forum). 유저를 point estimate가 아니라 분포로 표현. 노트 To-do “$z_u$를 point estimate 이상으로”가 그대로 논문화된 것.
  • A Judge-Aware Ranking Framework for Evaluating LLMs without Ground Truth (poster). Bradley-Terry에 judge 신뢰도를 얹어 정답 없이 순위 매김. 평가 섹션 정면.
  • Grounded in Reality: Learning and Deploying Proactive LLM from Offline Logs (poster). 옳은 질문을 언제 하고 언제 멈추나, 그리고 offline 로그로 학습(데이터 문제까지).

1. representation: 유저모델을 무엇으로 어떻게 세우나

  • Rethinking Personalization in LLMs at the Token Level (PerCE) (forum). 선호에 걸린 토큰을 causal하게 짚어 인코딩.
  • TOM-SWE: User Mental Modeling for Software Engineering Agents (poster). 본 에이전트와 분리된 theory-of-mind 유저모델.
  • From Volume to Value: Preference-Aligned Memory Construction for On-Device RAG (forum). 선호를 compact하고 stable한 개인 맥락으로.
  • Expectation Alignment of Language Models for Real-World User Expectations (forum). 유저가 실제로 기대하는 바를 모델링.

2. 관찰에서 online 갱신, continual, memory (조건1)

  • T-POP: Test-Time Personalization with Online Preference Feedback (poster). 프리즈된 LLM을 온라인 선호로 즉시 갱신.
  • Cold-Start Personalization via Bayesian Adaptive Questioning (forum). 무이력에서 적응적 질문으로 유저모델 부트스트랩.
  • Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks (poster). 세션을 넘어 기억을 잇는지 평가(조건1의 평가판).
  • AdaMEM: Test-Time Adaptive Memory for Language Agents (poster), SimpleMem: Efficient Lifelong Memory for LLM Agents (poster). 테스트타임 적응, 평생 메모리.
  • Position: Modular Memory is the Key to Continual Learning Agents (poster). 지속 운영과 개인화를 위한 모듈형 메모리 주장.

3. 평가: 정답 없는 문제

  • SCOPE: Selective Conformal Optimized Pairwise LLM Judging (poster). 편향된 LLM judge에 유한표본 통계 보증.
  • RubricRobustness (poster). rubric과 LLM judge 벤치의 강건성 결함을 노출.
  • Conversation for Non-verifiable Learning: Self-Evolving LLMs through Meta-Evaluation (poster). 정답 없는 task를 메타평가로 학습/평가.

4. proactive 개입, 언제 끼어들지

  • ProactiveLLM: Learning Active Interaction for Streaming Large Language Models (poster). 기다리지 않고 언제 먼저 말할지 학습.
  • Implicit Turn-Wise Policy Optimization for Proactive User-LLM Interaction (poster). 멀티턴 proactive 상호작용 RL.
  • Are Large Reasoning Models Interruptible? (poster). 실시간 개입과 맥락 변화 아래 행동.
  • Teaching Agents to Ask Effective Clarification Questions (poster). 명령이 모호할 때 언제 되물을지.
  • Learning When to Act or Refuse (poster). 행동 대 보류 결정.

5. 개인화 평가 벤치마크 (평가와 데이터 참고)

  • BESPOKE: Benchmark for Search-Augmented LLM Personalization via Diagnostic Feedback (poster).
  • Persona2Web: Benchmarking Personalized Web Agents for Contextual Reasoning with User History (forum).
  • MCP-Persona: Benchmarking LLM Agents on Real-World Personal Applications via Environment Simulation (forum).
  • AppWorld-UL: Benchmarking Diverse Agent-User Interactions for Tool-Use (poster). 유저를 LLM으로 시뮬.

6. 선호와 alignment (per-user, heterogeneous, proxy reward)

  • VALUEFLOW: Toward Pluralistic and Steerable Value-based Alignment (Oral) (oral). 다양하고 충돌하는 가치에 맞춰 조종. 11일 Pluralistic Alignment 워크샵과 직결.
  • Position: Measuring Human Preferences in RLHF is a Social Science Problem (Spotlight) (poster). 선호 측정의 타당성 자체를 문제 삼음. 노트의 “속성 맞히기 회의”와 통함.
  • Mitigating Reward Hacking in RLHF via Bayesian Non-negative Reward Modeling (Oral) (oral). proxy reward 과최적화(노트 언급) 정면.
  • Distortion of AI Alignment Revisited: RLHF is a Decent Utilitarian Aligner (poster), Regularization in the Axiomatic Approach to Learning from Human Preferences (poster). 이질적 유저 선호의 집계 이론.
  • Decoding Safety Feedback from Diverse Raters (poster). rater 집단별 이질성 모델링.

7. recsys, off-policy 평가

  • Off-Policy Learning in Large Action Spaces: Optimization Matters More Than Estimation (poster).
  • ProRL: Effective RL for Proactive Recommendation via Rectified Policy Gradient Estimation (poster).
  • Learning to Rank from Incomplete Rankings (poster). 희소한 피드백에서 top-k 랭킹.
  • Off-Policy Evaluation for Missingness-Aware Policies in MDPs with Rewards Missing Not at Random (poster). 암묵 피드백의 결측 처리.

참고: 얇은 축

user simulator(평가 3축의 3번)는 ICML 2026엔 얇다. 가장 가까운 것이 Position: Time to Close The Validation Gap in LLM Social Simulations (poster) 정도이고, 그 흐름의 방법론(UserLM, 시뮬 realism 검증 등)은 arXiv와 NeurIPS 2025, ACL 2026 쪽에 몰려 있다.

일정 (서울 시간, KST)

포스터는 전부 Hall A(부스 번호), oral은 Hall D2/B2. ICML 사이트는 PDT로 표기하니 현지에선 아래 KST로 보면 된다.

7/7 (화)

  • 10:30 T-POP (#1705), AdaMEM (#2200)
  • 14:00 SCOPE (#1912), Cold-Start (#2312), SimpleMem (#1905), Agent Memory multi-session (#3512), Distortion (#3215), Learning to Rank from Incomplete (#4610)
  • 14:15 Oral, Hall D2: VALUEFLOW

7/8 (수)

  • 10:00 Oral, Hall B2: Reward Hacking (Bayesian Non-negative Reward)
  • 10:30 TOM-SWE (#810), Expectation Alignment (#3208), BESPOKE (#2307)
  • 14:30 Conversation for Non-verifiable (#208), Regularization in Axiomatic Preferences (#3213)
  • 17:00 From Volume to Value (#4002), ProactiveLLM (#201), OPE Missingness (#209)

7/9 (목)

  • 10:30 RubricRobustness (#3605), ProRL (#1004), Diverse Raters (#3305)
  • 14:30 Modeling Preferences as Distribution (#4303), Judge-Aware Ranking (#2206), PerCE (#3611), Implicit Turn-Wise (#3800), Interruptible (#2111), Persona2Web (#4402), Off-Policy Large Action (#315)
  • 17:00 Grounded in Reality (#907), Modular Memory (#2507), When to Act or Refuse (#3006), MCP-Persona (#1800), AppWorld-UL (#4407), Measuring Preferences is Social Science (#3114), Validation Gap in Social Simulations (#405)

일정 미확정: Teaching Agents to Ask Effective Clarification Questions (사이트에 세션 미표기).