期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
数据集蒸馏用于预训练自监督视觉模型
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出线性梯度匹配方法，用于生成在预训练自监督视觉模型上最优训练线性探测器的数据集，实现了优于真实图像基线的合成数据，并在细粒度分类和模型可解释性方面表现出色。
Comments Accepted at NeurIPS 2025. Project page: https://linear-gradient-matching.github.io/ Code: https://github.com/GeorgeCazenavette/linear-gradient-matching
NoPo-Avatar: 从稀疏输入中生成通用且可动画化的avatar，无需人类姿态
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 NoPo-Avatar通过仅使用图像输入，无需姿态信息，实现了从稀疏输入中生成通用且可动画化的3D人体avatar，提升了在噪声姿态下的鲁棒性和广泛应用性。
Comments NeurIPS'25; project page: https://wenj.github.io/NoPo-Avatar/
SceneDesigner: 9自由度姿态操控的可控多物体图像生成
机构 * Fudan University（复旦大学）
AI总结 SceneDesigner通过9自由度姿态操控实现多物体图像生成，采用CNOCS图和两阶段训练策略提升可控性与质量。
Comments NeurIPS 2025 (Spotlight), Project Page: https://henghuiding.com/SceneDesigner/
TRIM：基于时间和空间剪裁的可扩展3D高斯扩散推断
机构 * Department of Computer Science and Engineering, Michigan State University（计算机科学与工程系，密歇根州立大学）
AI总结 TRIM通过引入时间和空间剪裁策略，提升3D高斯扩散模型的推断效率与生成质量。
Comments NeurIPS 2025
利用扩散模型和生成对抗网络去噪弱引力透镜质量图
AI总结 本文提出基于扩散模型的WL去噪方法，证明其在信号增强、训练稳定性及统计恢复方面优于生成对抗网络。
Comments Accepted to Machine Learning and the Physical Sciences Workshop, NeurIPS 2025; short version in the NeurIPS workshop paper format, full version available at arXiv:2505.00345
基础模型在破产预测中是否有效？
机构 * wrocław University of Science and Technology（沃拉日大学科学与技术学院） ； Tooploox（Tooploox公司） ； Opera
AI总结 本文研究了基础模型在破产预测中的有效性，发现传统机器学习模型在性能上优于基础模型，且基础模型在风险敏感场景中存在概率估计不可靠的问题。
Comments NeurIPS 2025 Workshop: Generative AI in Finance
推理与表征的结合：展望神经符号无线基础模型
AI总结 本文提出神经符号无线基础模型，结合神经网络与符号推理，以解决无线通信中的可解释性、鲁棒性和合规性问题，推动6G网络的智能化发展。
Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: AI and ML for Next-Generation Wireless Communications and Networking (AI4NextG)
BioBench: 一种超越ImageNet的科学机器学习基准蓝图
机构 * The Ohio State University（俄亥俄州立大学）
AI总结 BioBench提出一个开放的生态学视觉基准，通过统一9个应用驱动任务、4个分类学界和6种获取模式，提供新的信号用于生态学计算机视觉，并为构建可靠的AI-for-science基准提供模板。
Comments Accepted at the 3rd Imageomics Workshop at NeurIPS 2025
STAMP：带有多头池化的空间-时间适配器
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh School of Medicine（匹兹堡大学医学学院）
AI总结 STAMP通过多头池化机制，利用通用TSFMs生成的单变量嵌入，隐式建模EEG数据的空间-时间特性，实现与现有EEGFMs相当的性能。
Comments Accepted as a Proceedings paper at Machine Learning for Health (ML4H) 2025, invited presentation at the Time Series for Health (TS4H) Workshop, NeurIPS 2025. v2: Updated author affiliation and corrected a duplicated word in the text. No other changes
数据增强在精度矩阵估计中的非渐近分析
AI总结 本文研究了数据增强在高维精度矩阵估计中的非渐近分析，提出了一种新的确定性等价方法，并通过实验验证了理论结果。
Comments Conference paper at NeurIPS 2025 (Spotlight)
主动测量：大规模下的高效估计
机构 * Manning College of Information & Computer Sciences University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校信息与计算机科学学院）
AI总结 本文提出主动测量框架，通过人类标注与AI模型结合，提升大规模测量任务的估计精度和效率。
Comments NeurIPS 2025
协同强化学习用于统一多模态理解和生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出CoRL框架，通过协同强化学习提升多模态大语言模型在生成与理解任务上的性能。
Comments NeurIPS 2025
AutoJudge: 无需人工标注的判断解码
机构 * HSE University（俄罗斯高等经济学院） ； Yandex ； IST Austria（国际应用数学研究所） ； Together AI
AI总结 AutoJudge通过任务特定的损失性推测解码加速LLM推理，无需人工标注，实现显著速度提升并牺牲少量准确性。
Comments Accepted at NeurIPS 2025
语义裂隙：自主像素云中的代理与艺术性
机构 * The University of Tokyo（东京大学） ； Tokyo University of the Arts（东京艺术大学） ； Keio University（庆应大学） ； SONY CSL Kyoto（索尼 CSL 京都）
AI总结 本文提出语义裂隙，通过多模态大语言模型实现自主导航，展示低 fidelity方法在创造不完美但富有艺术性的机器人同伴中的应用。
Comments NeurIPS 2025 Creative AI Track, The Thirty-Ninth Annual Conference on Neural Information Processing Systems
面板式灵魂：一种用于AI辅助漫画创作中表现力面部的表演性工作流程
AI总结 本文提出了一种交互式工作流程，用于AI辅助漫画创作中表现力面部的生成，通过双混合流程实现艺术家意图与AI执行的高效衔接。
Comments NeurIPS 2025 Creative AI Track, The Thirty-Ninth Annual Conference on Neural Information Processing Systems
Sensorium Arc：面向海洋数据探索与交互生态艺术的AI代理系统
机构 * Immersive Media Design University of Maryland College Park（沉浸媒体设计大学马里兰大学学院公园分校） ； Center for the Study of the Force Majeure University of California, Santa Cruz（重大研究机构加州大学圣克鲁兹分校） ； Virtual Planet Technologies（虚拟星球技术）
AI总结 Sensorium Arc通过AI代理将海洋数据转化为生动叙事，结合科学洞察与生态诗意，实现沉浸式环境数据探索与交互生态艺术
Comments (to appear) NeurIPS 2025 Creative AI Track
基于神经场的统一原子分子生成
机构 * Prescient Design, Genentech（Prescient Design，基因泰克） ； Antibody Engineering, Genentech（抗体工程，基因泰克）
AI总结 FuncBind通过基于神经场的生成模型，实现跨原子系统的统一分子生成，适用于小分子、环状肽和抗体互补决定区环的生成，并引入新数据集和基准。
Comments NeurIPS 2025
重新思考内核程序修复：通过RGym基准测试和增强LLMs
AI总结 本研究提出RGym框架，通过改进的定位技术和提示结构，提升LLMs在Linux内核程序修复中的性能和效率。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Evaluating the Evolving LLM Lifecycle: Benchmarks, Emergent Abilities, and Scaling
通过裁剪鲁棒性实现无训练的AI生成图像检测
机构 * LG AI Research（LG人工智能研究）
AI总结 WaRPAD通过自监督模型的裁剪鲁棒性实现无训练的AI生成图像检测，具有强鲁棒性和广泛适用性。
Journal ref NeurIPS 2025. Code: https://github.com/sungikchoi/WaRPAD
HAWAII：层次化视觉知识转移用于高效的视觉-语言模型
机构 * University of Waterloo（滑铁卢大学）
AI总结 HAWAII通过层次化视觉知识转移，高效整合多个视觉专家的知识，提升视觉-语言模型性能。
Comments NeurIPS 2025
思维的幻觉：通过问题复杂性的视角理解推理模型的优势与局限
机构 * Apple（苹果公司）
AI总结 通过问题复杂性分析，研究揭示大规模推理模型在不同复杂度任务中的表现差异及局限性。
Comments NeurIPS 2025. camera-ready version + additional discussion in the appendix
Do-PFN：基于上下文的学习用于因果效应估计
机构 * Prior Labs ； ELLIS Institute Tübingen（ELLIS研究所图宾根） ； University of Freiburg（弗赖堡大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； University of Cambridge（剑桥大学）
AI总结 Do-PFN通过预训练在多种因果结构上的合成数据，实现基于上下文的学习，无需因果图知识即可准确估计因果效应。
Comments Neurips 2025
CSI-Bench: 一个大规模真实场景下的多任务Wi-Fi传感数据集
机构 * Origin Research（Origin研究机构）
AI总结 CSI-Bench是一个大规模真实场景下的多任务Wi-Fi传感数据集，旨在通过真实环境下的数据收集和标准化评估支持鲁棒且可泛化的模型开发。
Comments 26 pages, 5 figures, accepted by Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS)
xLSTM-Mixer：通过标量记忆混合实现多变量时间序列预测
机构 * AI & ML Group, TU Darmstadt（AI与机器学习小组，德累斯顿理工大学） ； TU Eindhoven（埃因霍温理工大学） ； Hessian Center for AI (hessian.AI)（黑森人工智能中心） ； German Research Center for AI (DFKI)（德国人工智能研究中心） ； Centre for Cognitive Science, TU Darmstadt（认知科学中心，德累斯顿理工大学）
AI总结 xLSTM-Mixer通过融合多种视角和混合架构，实现了多变量时间序列预测的高精度与低内存消耗。
Comments Poster at NeurIPS 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈