DisMo: Disentangled Motion Representations for Open-World Motion Transfer
DisMo：解耦的运动表示用于开放世界运动迁移
AI总结 DisMo通过解耦运动语义与外观，实现了开放世界中的运动迁移，提升了视频生成和理解的性能。
Comments Accepted at NeurIPS 2025
期刊&会议
NeurIPS
Conference on Neural Information Processing Systems · 会议 · Machine Learning
Adapting Neural Audio Codecs to EEG
将神经音频编解码器适应于EEG
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出将预训练的神经音频编解码器适应于EEG压缩，通过多通道扩展和注意力机制提升EEG重建质量与泛化能力。
Comments Foundation Models for the Brain and Body (BrainBodyFM@NeurIPS)
GOATex: Geometry & Occlusion-Aware Texturing
GOATex: 几何与遮挡感知纹理生成
机构 * KRAFTON AI（KRAFTON人工智能研究院） ； NC AI（NC人工智能研究院） ； UC Berkeley（伯克利大学） ； Seoul National University（首尔国立大学）
AI总结 GOATex通过基于命中层级的遮挡感知框架，实现高质量3D网格内外表面纹理生成，无需微调扩散模型，具备结构连贯性与无缝纹理输出。
Comments Accepted to NeurIPS 2025; Project Page: https://goatex3d.github.io/
Bandit Guided Submodular Curriculum for Adaptive Subset Selection
带宽引导的亚模函数课程学习用于自适应子集选择
AI总结 本文提出ONLINESUBMOD方法，通过多臂老虎机框架和亚模函数优化，实现自适应子集选择，提升课程学习的准确性与效率。
Comments 10 pages main, 21 pages Appendix, 8 figures
Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems, 2025
Beyond Last-Click: An Optimal Mechanism for Ad Attribution
超越最后点击：广告归因的最优机制
AI总结 本文提出一种最优的DSIC归因机制PVM，解决了传统LCM在准确性和公平性上的不足。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
Language-conditioned world model improves policy generalization by reading environmental descriptions
语言引导的世界模型通过阅读环境描述提升策略泛化能力
机构 * Oregon State University（俄勒冈州立大学）
AI总结 本文提出LED-WM，通过语言引导的世界模型提升策略泛化能力，无需依赖假设，有效应对新动态和语言描述的未见过游戏。
Comments NeuRIPS 2025. Workshop: LAW 2025: Bridging Language, Agent, and World Models
Scalable Diffusion Transformer for Conditional 4D fMRI Synthesis
可扩展的扩散变换器用于条件4D fMRI合成
机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁赫斯旺国家实验室） ； Seoul National Laboratory（首尔国立实验室）
AI总结 本文提出了一种可扩展的扩散变换器，用于条件4D fMRI合成，通过结合3D VQ-GAN和CNN-Transformer结构，实现了高精度的任务条件生成。
Comments Accepted at NeurIPS 2025 Workshop: Foundation Models for the Brain and Body. 13 pages, 6 figures, 4 tables
Exact Learning of Arithmetic with Differentiable Agents
精确学习算术的可微代理
机构 * TML Lab, EPFL（EPFL TML实验室）
AI总结 本文提出通过可微有限状态转录机实现精确算术学习，展示模型在微小数据集上可泛化至长输入的无误差表现。
Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: MATH-AI
Probability calibration for precipitation nowcasting
降水现在预测的概率校准
机构 * Vaisala（瓦萨拉）
AI总结 本文提出ETCE度量以改进降水预测的校准，通过选择性缩放与时间提前量条件减少模型校准不良，同时保持预测质量。
Comments Accepted to NeurIPS 2025 Workshop: Tackling Climate Change with Machine Learning
Exploiting Vocabulary Frequency Imbalance in Language Model Pre-training
利用词汇频率不平衡性在语言模型预训练中
机构 * KAIST（韩国科学技术院）
AI总结 本研究通过扩大词汇表降低分词文本复杂性，揭示了语言模型预训练中词汇规模与性能的关系。
Comments NeurIPS 2025
PhysX-3D: Physical-Grounded 3D Asset Generation
PhysX-3D：基于物理的3D资产生成
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 PhysX-3D提出一种基于物理的3D资产生成方法，通过构建物理标注数据集和双分支框架，提升生成资产的物理合理性和几何质量。
Comments Accepted by NeurIPS 2025, Spotlight Project page: https://physx-3d.github.io/
Benford's Curse: Tracing Digit Bias to Numerical Hallucination in LLMs
本福特定律的诅咒：追踪数字偏差到大语言模型中的数值幻觉
机构 * Nanyang Technological University（南洋理工大学） ； University College London（伦敦大学学院）
AI总结 研究发现LLMs在预训练中学习到的数字偏倚导致数值生成偏差，通过修剪特定神经元可缓解错误输出。
Comments NeurIPS 2025
Entropy Rectifying Guidance for Diffusion and Flow Models
熵校正引导用于扩散和流模型
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； Inria（法国国家信息与自动化技术研究院） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔研究所） ； LJK, France（法国劳埃德-约瑟夫-克劳德实验室） ； McGill University（麦吉尔大学） ； Mila, Quebec AI institute（魁北克人工智能研究所） ； Canada CIFAR AI chair（加拿大 CIFAR 人工智能主席）
AI总结 ERG是一种基于注意力机制变化的简单有效引导方法，能同时提升图像质量、多样性及提示一致性，适用于扩散和流模型的多种生成任务。
Comments NeurIPS 2025
Self Iterative Label Refinement via Robust Unlabeled Learning
通过鲁棒无标签学习实现自迭代标签细化
机构 * The University of Tokyo（东京大学）
AI总结 本文提出了一种通过鲁棒无标签学习实现自迭代标签细化的方法，有效提升了LLM在分类任务中的性能，并在安全对齐和生成任务中展示了优越性。
Comments To appear in the Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
DINO-Foresight: Looking into the Future with DINO
DINO-Foresight: 用DINO展望未来
机构 * Archimedes, Athena Research Center（阿基米德研究所，雅典研究学院） ； National Technical University of Athens（雅典国立技术大学） ； University of Crete（克里特大学） ； IACM-Forth（福伊恩研究所）
AI总结 DINO-Foresight通过在预训练视觉基础模型的语义特征空间中训练，实现了对未来动态的预测，提升了自动驾驶和机器人领域的环境理解能力。
Comments NeurIPS 2025
VaMP: Variational Multi-Modal Prompt Learning for Vision-Language Models
VaMP：用于视觉-语言模型的变分多模态提示学习
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室）
AI总结 VaMP提出了一种变分多模态提示学习框架，通过实例条件提示和不确定性建模提升视觉-语言模型在少样本和领域泛化任务中的性能。
Comments Accepted to NeurIPS 2025
Flow Density Control: Generative Optimization Beyond Entropy-Regularized Fine-Tuning
流密度控制：超越熵正则化微调的生成优化
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世人工智能中心）
AI总结 流密度控制通过简化复杂优化问题，实现超越熵正则化微调的生成模型优化，适用于分子设计和图像生成等任务。
Comments NeurIPS 2025
Diff-ICMH: Harmonizing Machine and Human Vision in Image Compression with Generative Prior
Diff-ICMH: 在图像压缩中融合机器与人类视觉
机构 * University of Science and Technology of China（中国科学技术大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术院）
AI总结 Diff-ICMH通过融合机器与人类视觉，提出了一种生成图像压缩框架，利用生成先验和语义一致性损失提升压缩质量，同时支持多种智能任务。
Comments Accepted by NeurIPS 2025
Fin3R: Fine-tuning Feed-forward 3D Reconstruction Models via Monocular Knowledge Distillation
Fin3R：通过单目知识蒸馏细调馈送式3D重建模型
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； Department of Computer Vision Technology (VIS), Baidu Inc.（百度公司计算机视觉技术部）
AI总结 Fin3R通过单目知识蒸馏细调馈送式3D重建模型，提升几何精度和鲁棒性，仅增加微小权重。
Comments NeurIPS 2025
FLUX: Efficient Descriptor-Driven Clustered Federated Learning under Arbitrary Distribution Shifts
FLUX：在任意分布偏移下的高效描述符驱动聚类联邦学习
机构 * Università della Svizzera italiana（瑞士联合大学） ； IBM Research Zurich（IBM Zurich研究部） ； University of Cambridge（剑桥大学）
AI总结 FLUX通过描述符驱动的聚类方法，在任意分布偏移下提升联邦学习的性能和稳定性，实现23个百分点的准确率提升。
Comments [v1] Pre-print of the paper accepted to NeurIPS 2025 (57 pages)
A Variational Manifold Embedding Framework for Nonlinear Dimensionality Reduction
一种变分流形嵌入框架用于非线性降维
机构 * Harvard University（哈佛大学）
AI总结 本文提出了一种变分流形嵌入框架，用于解决非线性降维问题，通过引入偏微分方程和对称性分析，提升了降维方法的灵活性和可解释性。
Comments Accepted to the NeurIPS 2025 Workshop on Symmetry and Geometry in Neural Representations (NeurReps)
Cue3D: Quantifying the Role of Image Cues in Single-Image 3D Generation
Cue3D: 量化图像提示在单图像3D生成中的作用
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Cue3D通过量化图像提示在单图像3D生成中的作用，揭示了形状意义和几何提示的重要性，为开发更稳健的3D生成模型提供指导。
Comments NeurIPS 2025 Highlight; Project page:https://ryanxli.github.io/cue3d/index.html
A Fast and Flat Federated Learning Method via Weighted Momentum and Sharpness-Aware Minimization
一种通过加权动量和尖锐意识最小化实现快速且平坦的联邦学习方法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shenzhen University（深圳大学）
AI总结 FedWMSAM通过加权动量和尖锐意识最小化解决非IID联邦学习中的局部-全局曲率不一致和动量-回声振荡问题，提升模型收敛速度和泛化能力。
Journal ref Advances in Neural Information Processing Systems (NeurIPS 2025)
Predicting Public Health Impacts of Electricity Usage
预测电力使用对公共健康的影响
机构 * University of California, Riverside（加州大学河滨分校） ； Rochester Institute of Technology（罗切斯特理工学院）
AI总结 本文提出HealthPredictor模型，通过电力使用预测公共健康影响，结合燃料混合预测、空气质量转换和健康影响评估，实现以健康为导向的能源管理。
Comments 21 Pages. Accepted to NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models (ResponsibleFM)
Prompted Policy Search: Reinforcement Learning through Linguistic and Numerical Reasoning in LLMs
提示策略搜索：通过语言和数值推理在大语言模型中进行强化学习
机构 * Interactive Robotics Lab, Arizona State University（亚利桑那州立大学交互机器人实验室） ； Research & Development, Procter & Gamble（普罗cter与 gamble 研究与发展）
AI总结 ProPS通过结合语言和数值推理，在大语言模型中实现高效的强化学习，展示了在多个任务中超越传统算法的性能。
Comments In The Thirty-ninth Annual Conference on Neural Information Processing Systems
Journal ref Advances in Neural Information Processing Systems (2025)
Adaptive Parameter Optimization for Robust Remote Photoplethysmography
自适应参数优化用于鲁棒远程光体积脉搏波形成像
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； Vellore Institute of Technology（维洛雷理工学院）
AI总结 本文提出PRISM算法，通过自适应参数优化提升远程光体积脉搏波形成像的鲁棒性与性能。
Comments Accepted in Times Series for Health NeurIPs Workshop 2025
Massively Parallel Imitation Learning of Mouse Forelimb Musculoskeletal Reaching Dynamics
大规模并行模仿学习用于小鼠前肢骨骼肌运动动力学
机构 * Salk Institute for Biological Studies（萨克勒生物医学研究所）
AI总结 本研究通过大规模并行模仿学习，利用小鼠前肢骨骼肌模型在模拟环境中实现高保真动力学建模，验证了能量和速度约束对模拟生物运动控制的重要性。
Comments Accepted at NeurIPS 2025 Workshop Data on the Brain & Mind: Concrete Applications of AI to Neuroscience and Cognitive Science. 12 pages, 4 figures
InfinityStar: Unified Spacetime AutoRegressive Modeling for Visual Generation
InfinityStar: 一种统一的时空自回归模型用于视觉生成
机构 * ByteDance（字节跳动）
AI总结 InfinityStar是一种统一的时空自回归模型，能够高效生成高分辨率图像和动态视频，其在VBench上的表现优于现有自回归模型，且生成速度显著快于扩散方法。
Comments NeurIPS 2025 Oral
Periodic Skill Discovery
周期性技能发现
AI总结 周期性技能发现（PSD）通过无监督学习发现具有不同周期的技能，提升复杂机器人任务中的表现和多样性。
Comments NeurIPS 2025
Memo: Training Memory-Efficient Embodied Agents with Reinforcement Learning
备忘录：通过强化学习训练内存高效的具身智能体
机构 * University of Oxford（牛津大学） ； Georgia Tech University（佐治亚理工学院） ； Toyota Motor Europe（丰田欧洲公司）
AI总结 Memo通过在训练过程中交错周期性总结标记与输入，实现内存高效的具身智能体强化学习训练，优于长上下文基线并更高效。
Comments Accepted for Spotlight Presentation at NeurIPS 2025
