大模型替你读完了 ICML 2026 全部 6,567 篇接收论文 🤯 中文六维度导读 · 8 一级 / 76 二级 / 95 三级目录 · ⭐ Spotlight 高亮
🔗 在线浏览：https://JenniferZhao0531.github.io/ICML2026-Guide-CN/
把 ICML 2026 全部 6,567 篇接收论文整理成一个零依赖的静态网页。每篇论文自动生成六个维度的中文分析：
| 维度 | 说明 |
|---|---|
| 🎯 研究动机 | 论文出发点 |
| ❓ 解决问题 | 具体要解决什么 |
| 🔍 现象分析 | 观察 / 经验性发现 |
| 🛠️ 主要方法 | 技术方案概览 |
| 📊 数据与实验 | 用了什么数据、怎么评 |
| ⭐ 主要贡献 | 一句话定位 |
并按三级目录组织：
- 一级：8 个 ICML 官方研究方向
- 二级：每个一级下 LLM 打 5–13 个细分小类，全站 76 个二级
- 三级：对论文数 ≥150 的 11 个"肥桶"再切一刀，全站 95 个三级（如 RLHF/对齐 / 扩散理论 / Agent 与工具使用 …）
⭐ 全部 575 篇 Spotlight 论文在卡片上加金色徽章 + 边条高亮，顶部一键筛选只看 Spotlight。
核心方法：深度学习 (2816) · 强化学习 (886) · 通用机器学习 (286) 数学基础：优化 (546) · 概率方法 (364) · 理论 (362) 下游与影响：应用 (631) · 社会议题 (676)
每个一级下都有 6–15 个二级小类；11 个 ≥150 篇的二级"肥桶"还会再切一层三级。详见网页左侧折叠导航。
打开 在线网页 或本地的 index.html：
- 左侧三级导航：点一级展开二级；点二级（带 ▶ 的肥桶）再展开三级；点叶子跳转
- 顶部 chip：一键筛选
📚 全部 / ⭐ Spotlight 575 篇 - 顶部搜索框：标题 / 作者全文检索（搜索时各层计数动态重算并自动展开有结果的分组）
- 每篇论文卡片：标题点 Google Scholar（ICML 2026 OpenReview forum 暂未公开）；⭐ Spotlight 徽章；六维度中文分析；展开查看完整 Abstract
- 右下角 ↑：一键回到顶部
git clone https://github.com/JenniferZhao0531/ICML2026-Guide-CN.git
cd ICML2026-Guide-CN
open index.html # macOS（直接双击也行）完整流水线四步，所有 LLM 调用走 OpenAI 兼容接口，用你自己的 key：
pip install openai tqdm requests在仓库根目录建一个 .env 文件（已在 .gitignore）：
OPENAI_API_KEY=sk-...
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o
OPENAI_BASE_URL也可以填 DeepSeek / Qwen / Claude / 智谱 / 月之暗面 / OpenRouter 等任何 OpenAI 兼容代理。 性价比推荐：分类阶段用deepseek-ai/DeepSeek-V3.2（任务简单、原生中文、约 GPT-4o 1/10 价格），翻译阶段用gpt-4o或claude-sonnet-4-6（中文表达更精致）。
Step 1 · 爬 + 二级分类
python crawl_all_papers.py从 ICML 官方虚拟站拉全部 6,567 篇接收论文 + abstract。然后：
- 论文若已带 ICML 官方 topic（如
Deep Learning->Large Language Models，约 22% 的论文）：直接拆出一级方向 - 论文若未带 topic（其余 78%）：调 LLM 把它归到 8 大类之一
- 每篇论文再调 LLM 在所属大类下打一个细分小类
想自己定制大类下的细分小类，改
crawl_all_papers.py顶部的SUBCATEGORIES_BY_PRIMARY字典即可，每个大类下放任意数量小类。
Step 2 · 中文六维度分析
python translate_all_papers.py会自动断点续跑，中断后重跑只翻译没翻完的。这一步翻译质量直接影响阅读体验，推荐用 gpt-4o 或 claude-sonnet-4-6。
Step 3 · 三级分类（只对 11 个肥桶）
python classify_third_level.py只对二级 ≥150 篇的 11 个桶（如"大语言模型"、"多模态/VLM"）再切一刀三级，让导航不至于"翻 500 条"。三级清单在 classify_third_level.py 顶部的 THIRD_LEVEL_BY_SUB 字典里。
Step 4 · 渲染网页
python build_html_full.py # 输出 index.html四步全部支持断点续跑：中断后重跑会自动跳过已完成的论文。
| 文件 | 说明 |
|---|---|
index.html |
静态网页（主入口，零依赖） |
ICML2026_all_papers.json |
6,567 篇原始数据 + 一二三级（标题、作者、摘要、tier、URL …） |
ICML2026_all_papers_CN.json |
在原始数据上叠加六维度中文分析 |
crawl_all_papers.py |
爬取 ICML 虚拟站 + 一二级分类 |
translate_all_papers.py |
调 LLM 生成中文六维度分析 |
classify_third_level.py |
对 11 个肥桶再切三级分类 |
build_html_full.py |
把 JSON 渲染成 HTML（含搜索 + 三级折叠目录 + Spotlight 筛选 + 回到顶部） |
- 元数据：https://icml.cc/static/virtual/data/icml-2026-orals-posters.json
- Abstract：https://icml.cc/static/virtual/data/icml-2026-abstracts.json
- 网页入口：https://icml.cc/virtual/2026/papers.html
档次区分：
Accept (spotlight)→ ⭐ Spotlight（575 篇）Accept (regular)→ Poster（5,992 篇）- （ICML 2026 此刻尚未公布 Oral 名单；后续如有更新可重跑 Step 1 自动同步）
- 中文分析由大语言模型基于英文 abstract 自动生成，仅供快速浏览参考，详细内容请以 ICML 论文页 / OpenReview 原文为准。
- 二级小类由 LLM 自动打标，可能存在错分。
- 数据快照时间见
ICML2026_all_papers.json的meta.generated_at字段。
MIT