NeurIPS

TorchQuantumDistributed

TorchQuantumDistributed：基于PyTorch的大规模可微量子态向量模拟库

Oliver Knitter, Jonathan Mei, Masako Yamada, Martin Roetteler

机构 * IonQ, Applications Team（IonQ应用团队） 纠错

AI总结 TorchQuantumDistributed 是一个基于 PyTorch 的库，用于大规模可微量子态向量模拟，支持研究高量子比特数的可学习参数化量子电路行为。

Comments 12 pages, 4 figures, to appear in the AI for Science Workshop at NeurIPS 2025

Solar-GECO: Perovskite Solar Cell Property Prediction with Geometric-Aware Co-Attention

Solar-GECO: 基于几何感知的共注意机制的钙钛矿太阳能电池性质预测

Lucas Li, Jean-Baptiste Puel, Florence Carton, Dounya Barrit, Jhony H. Giraldo

机构 * TotalEnergies OneTech ； EDF, Electricité de France（EDF，法国电力公司） ； IPVF, Institut Photovoltaïque d’Ile-de-France（IPVF，法国里昂光伏研究所） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） 纠错

AI总结 Solar-GECO通过整合几何和文本信息，实现钙钛矿太阳能电池功率转换效率的高精度预测。

Comments Accepted at the AI for Accelerated Materials Design (AI4Mat) Workshop at NeurIPS 2025. 14 pages, 4 figures

Defending Large Language Models Against Jailbreak Exploits with Responsible AI Considerations

用负责任的AI考虑来防御大型语言模型对抗劫持攻击

Ryan Wong, Hosea David Yu Fei Ng, Dhananjai Sharma, Glenn Jun Jie Ng, Kavishvaran Srinivasan

机构 * National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出三种防御策略，通过提示级、logit引导和领域特定代理方法，有效降低大型语言模型的劫持攻击成功率。

Comments 20 pages including appendix; technical report; NeurIPS 2024 style

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

Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models

Nemotron-Flash：迈向延迟优化的混合小型语言模型

Yonggan Fu, Xin Dong, Shizhe Diao, Matthijs Van keirsbilck, Hanrong Ye, Wonmin Byeon, Yashaswi Karnati, Lucas Liebenwein, Hannah Zhang, Nikolaus Binder, Maksim Khadkevich, Alexander Keller, Jan Kautz, Yingyan Celine Lin, Pavlo Molchanov

AI总结 Nemotron-Flash通过优化深度-宽度比和操作符选择，提升小型语言模型的准确率、降低延迟并提高吞吐量。

Comments Accepted by NeurIPS 2025

Facade Segmentation for Solar Photovoltaic Suitability

建筑光伏适用性分割

Ayca Duran, Christoph Waibel, Bernd Bickel, Iro Armeni, Arno Schlueter

机构 * ETH Zurich（苏黎世联邦理工学院） ； VITO CRIB Mol ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种基于SegFormer-B5的管道，用于自动识别建筑立面的光伏适用区域并估算太阳能潜力，通过整合建筑组成信息，为城市能源规划提供可靠数据。

Comments NeurIPS 2025 Tackling Climate Change with Machine Learning Workshop version. Non-archival

Deterministic Continuous Replacement: Fast and Stable Module Replacement in Pretrained Transformers

确定性连续替换：在预训练变换器中实现快速且稳定的模块替换

Rowan Bradbury, Aniket Srinivasan Ashok, Sai Ram Kasanagottu, Gunmay Jhingran, Shuai Meng

机构 * Bradbury Group（布拉德伯格集团） ； University of Waterloo（多伦多大学） ； SUNY Stony Brook（石溪大学） ； Delhi Technological University（德里技术大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文提出确定性连续替换（DCR）方法，通过融合教师和学生输出实现预训练变换器中快速且稳定的模块替换，有效解决了冷启动重新初始化带来的稳定性问题。

Comments Accepted to NeurIPS 2025 ScaleOPT Workshop; 8 pages; includes figures

RigAnyFace: Scaling Neural Facial Mesh Auto-Rigging with Unlabeled Data

RigAnyFace: 基于未标注数据的神经面部网格自动 rigging 扩展

Wenchao Ma, Dario Kneubuehler, Maurice Chu, Ian Sachs, Haomiao Jiang, Sharon Xiaolei Huang

机构 * Penn State University（宾夕法尼亚州立大学） ； Roblox 纠错

AI总结 RigAnyFace通过基于未标注数据的2D监督策略，实现了对不同拓扑结构面部网格的高效自动rigging，支持多不连通组件，提升准确性和泛化能力。

Comments Accepted by NeurIPS 2025

Inferring response times of perceptual decisions with Poisson variational autoencoders

基于泊松变分自动编码器推断感知决策的响应时间

Hayden R. Johnson, Anastasia N. Krouglova, Hadi Vafaii, Jacob L. Yates, Pedro J. Gonçalves

机构 * VIB–Neuroelectronics Research Flanders（VIB神经电子研究佛兰德斯） ； KU Leuven（库尔勒大学） ； Herbert Wertheim School of Optometry & Vision Science, UC Berkeley（赫伯特·韦尔泰姆视觉科学学院，伯克利大学） ； Redwood Center for Theoretical Neuroscience, UC Berkeley（红木理论神经科学中心，伯克利大学） 纠错

AI总结 本文提出基于泊松变分自动编码器的模型，用于推断感知决策的响应时间，通过高效感官编码和贝叶斯解码模拟决策过程，并在MNIST分类中验证其有效性。

Comments To appear at the NeurIPS 2025 Workshop on Data on the Brain \& Mind

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

SpellerSSL: 基于P300聚合的自监督学习用于拼写BCI

Jiazhen Hong, Geoff Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究） 纠错

AI总结 SpellerSSL通过结合自监督学习与P300聚合，提升拼写BCI的信噪比、泛化能力和校准效率。

Journal ref Proceedings of the NeurIPS 2025 Workshop on Data on the Brain and Mind

Scaffold Diffusion: Sparse Multi-Category Voxel Structure Generation with Discrete Diffusion

Scaffold Diffusion: 通过离散扩散模型生成稀疏多类体素结构

Justin Jung

机构 * Biohub Redwood City, USA（Biohub 红木城，美国） 纠错

AI总结 Scaffold Diffusion通过离散扩散模型生成稀疏多类3D体素结构，克服稀疏性带来的挑战，生成逼真且连贯的结构。

Comments Accepted at NeurIPS 2025 Structured Probabilistic Inference & Generative Modeling Workshop

The Geometry of Cortical Computation: Manifold Disentanglement and Predictive Dynamics in VCNet

卷积计算的几何学：VCNet中的流形解缠与预测动态

Brennen A. Hill, Zhang Xinyu, Timothy Putra Prasetio

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 威斯康星大学麦迪逊分校） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

AI总结 VCNet通过融合神经科学原理和几何框架，实现了更高效且鲁棒的视觉计算，展示了在图像分类任务中优于现有模型的性能。

Comments Published in the proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Symmetry and Geometry in Neural Representations (NeurReps). Additionally accepted for presentation in NeurIPS 2025 Workshop: Interpreting Cognition in Deep Learning Models (CogInterp)

Communicating Plans, Not Percepts: Scalable Multi-Agent Coordination with Embodied World Models

传达计划，而非感知：基于具身世界模型的可扩展多智能体协调

Brennen A. Hill, Mant Koh En Wei, Thangavel Jishnuanandh

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 明尼苏达大学） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

AI总结 本文提出基于具身世界模型的意图通信方法，通过端到端学习与工程化设计对比，展示在复杂环境下更优的协调能力。

Comments Published in the Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA). Additionally accepted for presentation in the NeurIPS 2025 Workshop: Embodied World Models for Decision Making (EWM) and the NeurIPS 2025 Workshop: Optimization for Machine Learning (OPT)

SING: SDE Inference via Natural Gradients

SING：通过自然梯度进行SDE推断

Amber Hu, Henry Smith, Scott Linderman

机构 * Stanford University（斯坦福大学） 纠错

AI总结 SING通过自然梯度变分推断提升隐式SDE模型中的状态推断和非线性漂移函数估计精度。

Comments To appear in Advances in Neural Processing Information Systems (NeurIPS), 2025

AdaVideoRAG: Omni-Contextual Adaptive Retrieval-Augmented Efficient Long Video Understanding

AdaVideoRAG：多情境自适应检索增强高效长视频理解

Zhucun Xue, Jiangning Zhang, Xurong Xie, Yuxuan Cai, Yong Liu, Xiangtai Li, Dacheng Tao

机构 * Zhejiang University（浙江大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Huazhong University of Science and Technolog（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 AdaVideoRAG通过自适应检索增强框架提升长视频理解效率与准确性，支持多层级知识检索与深度语义分析。

Comments NeurIPS 2025

TRAP: Targeted Redirecting of Agentic Preferences

TRAP：面向目标的代理偏好重定向

Hangoo Kang, Jehyeok Yeon, Gagandeep Singh

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 TRAP通过语义引导的跨模态操纵，诱导代理AI系统产生一致的选择偏见，揭示了语义层面的安全漏洞。

Comments Accepted to NeurIPS 2025

URLs Help, Topics Guide: Understanding Metadata Utility in LLM Training

URL助益，主题引导：理解元数据在LLM训练中的效用

Dongyang Fan, Vinko Sabolčec, Martin Jaggi

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 本研究探讨了元数据在LLM训练中的效用，发现URL上下文能提升训练效率，而主题和格式信息则能引导生成输出，但不加速训练。

Comments NeurIPS 2025, Camera Ready

Power Lines: Scaling Laws for Weight Decay and Batch Size in LLM Pre-training

电力线：大规模预训练中权重衰减和批量大小的缩放定律

Shane Bergsma, Nolan Dey, Gurpreet Gosal, Gavia Gray, Daria Soboleva, Joel Hestness

机构 * Cerebras Systems（Cerebras系统） 纠错

AI总结 本文研究了大规模语言模型预训练中权重衰减和批量大小的缩放定律，揭示了超参数在不同训练设置下的优化规律，并提出了基于令牌数比的精确预测方法。

Comments NeurIPS 2025

Collapsing Taylor Mode Automatic Differentiation

坍缩泰勒模式自动微分

Felix Dangel, Tim Siebert, Marius Zeinhofer, Andrea Walther

AI总结 本文提出了一种通过重写计算图来坍缩导数的优化技术，用于加速泰勒模式自动微分在科学机器学习中的应用。

Comments 10 pages + appendix; camera-ready version (NeurIPS 2025)

KINDLE: Knowledge-Guided Distillation for Prior-Free Gene Regulatory Network Inference

KINDLE：基于知识引导的无先验基因调控网络推断

Rui Peng, Yuchen Lu, Qichen Sun, Yuxing Lu, Chi Zhang, Ziru Liu, Jinzhuo Wang

AI总结 KINDLE通过解耦先验知识依赖，利用教师模型与学生模型的蒸馏实现无先验基因调控网络推断，准确识别关键转录因子并预测生物过程。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

强化学习真的能激励大语言模型在基础模型之外提升推理能力吗？

Yang Yue, Zhiqi Chen, Rui Lu, Andrew Zhao, Zhaokai Wang, Yang Yue, Shiji Song, Gao Huang

机构 * LeapLab, Tsinghua University（清华大学 LeapLab） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本研究发现RLVR方法未有效激发LLMs的新型推理能力，而蒸馏方法能更有效地扩展模型推理能力。

Comments 31 pages, 27 figures

Journal ref NeurIPS 2025 Oral; ICML 2025 AI4MATH workshop best paper

Systematic Reward Gap Optimization for Mitigating VLM Hallucinations

系统性奖励缺口优化以缓解视觉语言模型的幻觉

Lehan He, Zeren Chen, Zhelun Shi, Tianyu Yu, Jing Shao, Lu Sheng

机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） 纠错

AI总结 TPR通过主题级偏好重写系统优化奖励缺口配置，显著减少VLM幻觉并提升对齐效果。

Comments 34 pages, 12 figures, Accepted by NeurIPS 2025

Investigating Representation Universality: Case Study on Genealogical Representations

探讨表示通用性：谱系表示的案例研究

David D. Baek, Yuxiao Li, Max Tegmark

机构 * MIT（麻省理工学院） 纠错

AI总结 本研究探讨了大型语言模型在表示谱系信息时的通用性，通过两种实验证据验证图结构表示的通用性，并指出缺乏地面真实表示的挑战。

Comments 14 pages, 7 figures

Journal ref NeurIPS 2025 Workshop on Responsible Foundation Models

Compressing Sensor Data for Remote Assistance of Autonomous Vehicles using Deep Generative Models

利用深度生成模型压缩传感器数据以实现自动驾驶车辆的远程协助

Daniel Bogdoll, Johannes Jestram, Jonas Rauch, Christin Scheib, Moritz Wittig, J. Marius Zöllner

AI总结 本文提出利用深度生成模型压缩传感器数据，以提高自动驾驶车辆在需要远程协助时的数据传输效率和重建质量。

Comments Daniel Bogdoll, Johannes Jestram, Jonas Rauch, Christin Scheib and Moritz Wittig contributed equally. Accepted for publication at NeurIPS 2021 ML4AD Workshop

Gaze Beyond the Frame: Forecasting Egocentric 3D Visual Span

超越画面：预测自聚焦三维视觉跨度

Heeseung Yun, Joonil Na, Jaeyeon Kim, Calvin Murdock, Gunhee Kim

机构 * Seoul National University（首尔国立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Reality Labs Research at Meta（Meta现实实验室） 纠错

AI总结 本文提出EgoSpanLift方法，通过将自聚焦视觉跨度预测从2D转换到3D，实现对三维环境未来视觉聚焦的高效预测，并构建了大规模基准测试集。

Comments NeurIPS 2025 Spotlight

DynamiX: Dynamic Resource eXploration for Personalized Ad-Recommendations

DynamiX: 动态资源探索用于个性化广告推荐

Sohini Roychowdhury, Adam Holeman, Mohammad Amin, Feng Wei, Bhaskar Mehta, Srihari Reddy

机构 * Meta, Ads Data and Representation learning（Meta） 纠错

AI总结 Dynamix通过动态资源探索和特征增强提升个性化广告推荐的效率与准确性。

Comments 9 pages, 3 Tables, 5 images. https://openreview.net/pdf?id=oglD54lvcB

Journal ref Neurips 2025 Workshop, Reliable ML from Unreliable Data

Improving Forecasts of Suicide Attempts for Patients with Little Data

在数据有限的情况下改进自杀尝试预测

Genesis Hang, Annie Chen, Hope Neveux, Matthew K. Nock, Yaniv Yacoby

机构 * Wellesley College（韦尔斯利学院） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出基于潜在相似性高斯过程的方法，在数据有限的情况下提升对自杀尝试的预测性能。

Comments Accepted at the TS4H Workshop at NeurIPS 2025

Vector Arithmetic in Concept and Token Subspaces

向量算术在概念和令牌子空间中的应用

Sheridan Feucht, Byron Wallace, David Bau

机构 * Northeastern University（东北大学） 纠错

AI总结 该研究通过概念和令牌子空间的向量算术揭示语言模型中的语义与表层信息结构。

Comments 9 pages, 6 figures. NeurIPS 2025 Mechanistic Interpretability Workshop

Novel View Synthesis from A Few Glimpses via Test-Time Natural Video Completion

通过测试时自然视频补全实现从少量视角合成新视角

Yan Xu, Yixing Wang, Stella X. Yu

AI总结 通过测试时自然视频补全方法，从少量视角生成高质量新视角，无需场景特定训练，有效提升稀疏输入下的场景重建与视角生成质量。

Comments Accepted to NeurIPS 2025

Rectifying Soft-Label Entangled Bias in Long-Tailed Dataset Distillation

校正长尾数据集蒸馏中的软标签纠缠偏见

Chenyang Jiang, Hang Zhao, Xinyu Zhang, Zhengcen Li, Qiben Shan, Shaocong Wu, Jingyong Su

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 ADSA通过校正长尾数据集蒸馏中的软标签纠缠偏见，显著提升尾部类别准确率和整体准确率。

Comments 10 pages, accepted by NeurIPS 2025