港中文深圳人工智能学院荆炳义等教授6篇论文入选ICML 2026

近日，香港中文大学（深圳）人工智能学院荆炳义教授、尹峰教授，以及数据科学学院与人工智能学院双聘助理教授贺品嘉教授团队的6篇论文，成功被机器学习领域顶级会议ICML 2026接收。ICML（国际机器学习大会）与NeurIPS、ICLR并称为“三大顶会”，属于CCF A类会议，学术含金量极高。ICML 2026将于2026年7月6日至11日在韩国首尔举行，届时深度学习、计算机视觉、自然语言处理等前沿方向的最新成果，将由全球AI学术精英集中呈现。

论文简介

01 RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models

论文链接：https://arxiv.org/abs/2603.06616
论文作者：Sai HAO, Hao ZENG, Hongxin WEI, Bingyi JING（共同通讯作者）

研究背景与动机

在多模型系统中，不同大语言模型由于训练数据、模型架构的差异，往往在不同领域展现出互补的能力。那么问题来了：如何为每个具体问题挑选最合适的模型，从而在性能与推理成本之间达成最佳平衡？现有的路由方法通常只选择单一模型，但预测排名与真实性能之间常常存在偏差，容易导致误路由错误。更关键的是，现有方法对误路由的风险缺乏严格的统计控制，在安全关键场景中难以直接应用。因此，一个能够在控制风险的同时将推理成本降至最低的路由框架，成为亟待解决的重要问题。

核心方法与贡献

（根据原文信息，此处应有具体的方法与贡献描述，但用户提供的文本在此处截断。下同。）