New York University（纽约大学）

Predicting partially observable dynamical systems via diffusion models with a multiscale inference scheme

通过多尺度推理方案利用扩散模型预测部分可观测的动力系统

Rudy Morel, Francesco Pio Ramunno, Jeff Shen, Alberto Bietti, Kyunghyun Cho, Miles Cranmer, Siavash Golkar, Olexandr Gugnin, Geraud Krawezik, Tanya Marwah, Michael McCabe, Lucas Meyer, Payel Mukhopadhyay, Ruben Ohana, Liam Parker, Helen Qu, François Rozet, K. D. Leka, François Lanusse, David Fouhey, Shirley Ho

机构 * The Polymathic AI Collaboration（多学科人工智能协作） ； Flatiron Institute（Flatiron研究所） ； University of Geneva（日内瓦大学） ； FHNW（FHNW大学） ； Princeton University（普林斯顿大学） ； New York University（纽约大学） ； University of Cambridge（剑桥大学） ； University of Kyiv（基辅大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Liège（列日大学） ； NorthWest Research Associates（北威州研究协会） ； Nagoya University（名古屋大学） ； Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎萨克雷大学、巴黎cité大学、CEA、CNRS、AIM） 纠错

AI总结 本文提出一种多尺度推理方案，利用扩散模型有效预测部分可观测的长记忆动力系统，应用于太阳动态和活跃区域演化。

Learning Solution Operators for Partial Differential Equations via Monte Carlo-Type Approximation

通过蒙特卡洛类型近似学习偏微分方程的解算子

Salah Eddine Choutri, Prajwal Chauhan, Othmane Mazhar, Saif Eddin Jabari

机构 * NYUAD Research Institute（纽约大学阿布扎克研究学院） ； New York University Abu Dhabi（纽约大学阿布扎克分校） ； Sorbonne University（索邦大学） ； Université Paris Cité（巴黎城市大学） 纠错

AI总结 MCNO通过蒙特卡洛方法学习参数化偏微分方程的解算子，提供了一种低计算成本且无需频谱假设的替代方案。

Comments NeurIPS 2025 Workshop on Machine Learning and the Physical Sciences

ADF-LoRA: Alternating Low-Rank Aggregation for Decentralized Federated Fine-Tuning

ADF-LoRA: 交替低秩聚合用于去中心化联邦微调

Xiaoyu Wang, Xiaotian Li, Zhixiang Zhou, Chen Li, Yong Liu

机构 * Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA（电气与计算机工程系，纽约大学，布鲁克林，纽约，美国） 纠错

AI总结 ADF-LoRA通过交替低秩聚合提升去中心化联邦学习的稳定性与收敛速度，实现更高准确率。

Comments 10 Pages

Animated Territorial Data Extractor (ATDE): A Computer-Vision Method for Extracting Territorial Data from Animated Historical Maps

动态领土数据提取器（ATDE）：一种从动态历史地图视频中提取领土数据的计算机视觉方法

Hamza Alshamy, Isaiah Woram, Advay Mishra, Zihan Xia, Pascal Wallisch

机构 * Center for Data Science, New York University（数据科学中心，纽约大学） 纠错

AI总结 ATDE是一种通过计算机视觉从动态历史地图视频中提取领土数据的工具，能生成按年份统计的像素数据，适用于教育演示和历史动态分析。

Comments 11 pages, 5 figures

Let the Experts Speak: Improving Survival Prediction & Calibration via Mixture-of-Experts Heads

让专家发言：通过专家混合头改进生存预测与校准

Todd Morrill, Aahlad Puli, Murad Megjhani, Soojin Park, Richard Zemel

机构 * Department of Computer Science Columbia University USA（哥伦比亚大学计算机科学系） ； Department of Computer Science New York University USA（纽约大学计算机科学系） ； Department of Neurology Columbia University Medical Center USA（哥伦比亚大学医学中心神经病学系） ； Department of Computer Science Barnard College USA（巴纳德学院计算机科学系） ； Department of Biomedical Informatics Columbia University Medical Center USA（哥伦比亚大学医学中心生物医学信息学系） ； NewYork-Presbyterian Hospital at Columbia University Medical Center USA（哥伦比亚大学医学中心新英格兰-纽约 Presbyterian 医院） 纠错

AI总结 本文提出了一种改进生存预测和校准的混合专家架构，通过更具表现力的专家实现更准确的患者分组和预测。

Comments Accepted as a proceedings paper at the 2025 Machine Learning for Health Symposium and as a workshop paper at the Learning from Time Series for Health workshop at NeurIPS 2025

A Diffusion Model to Shrink Proteins While Maintaining Their Function

一种用于缩短蛋白质同时保持其功能的扩散模型

Ethan Baron, Alan N. Amin, Ruben Weitzman, Debora Marks, Andrew Gordon Wilson

机构 * New York University（纽约大学） ； Harvard University（哈佛大学） 纠错

AI总结 SCISOR是一种新的离散扩散模型，通过删除蛋白质序列中的字母来生成更现实的蛋白质，同时保持其功能。

Comments Code available at https://github.com/baronet2/SCISOR

End-to-End Visual Autonomous Parking via Control-Aided Attention

端到端视觉自主泊车 via 控制辅助注意力

Chao Chen, Shunyu Yao, Yuanwu He, Feng Tao, Ruojing Song, Yuliang Guo, Xinyu Huang, Chenxu Wu, Liu Ren, Chen Feng

机构 * New York University（纽约大学） ； Bosch Research（博世研究） 纠错

AI总结 CAA-Policy通过控制辅助注意力机制实现端到端视觉自主泊车，提升控制与感知的协同，增强策略的鲁棒性和可解释性。

DreamGarden: A Designer Assistant for Growing Games from a Single Prompt

DreamGarden：基于单一提示生成游戏的设计师助手

Sam Earle, Samyak Parajuli, Andrzej Banburski-Fahey

机构 * New York University \& Microsoft USA ； Microsoft USA ； New York University \& Microsoft ； Microsoft 纠错

AI总结 DreamGarden通过基于大语言模型的规划器，将用户提供的高层次提示转化为分层行动计划，实现多样化游戏环境的开发，探索半自动助手和开放性模拟设计的未来方向。

Comments 30 pages + appendix, 11 figures, published at CHI 2025

Scene Summarization: Clustering Scene Videos into Spatially Diverse Frames

场景摘要：将场景视频聚类为空间上多样的帧

Chao Chen, Mingzhi Zhu, Ankush Pratap Singh, Yu Yan, Felix Juefei-Xu, Chen Feng

机构 * New York University（纽约大学） 纠错

AI总结 SceneSum通过自监督方法将场景视频聚类为空间多样化的关键帧，提升空间推理能力，优于现有视频摘要方法。

Demystifying CLIP Data

解开CLIP数据之谜

Hu Xu, Saining Xie, Xiaoqing Ellen Tan, Po-Yao Huang, Russell Howes, Vasu Sharma, Shang-Wen Li, Gargi Ghosh, Luke Zettlemoyer, Christoph Feichtenhofer

机构 * FAIR, Meta AI（FAIR，Meta AI） ； New York University（纽约大学） ； University of Washington（华盛顿大学） 纠错

AI总结 MetaCLIP通过优化数据整理方法，提升CLIP在图像分类任务中的性能。

Comments 17 pages. arXiv admin note: text overlap with arXiv:2103.00020 by other authors