期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
3EED: 在三维中万物皆 grounded
机构 * WorldBench Team（WorldBench团队）
AI总结 3EED提出一个大规模多平台多模态三维 grounding 基准测试，通过提供丰富的户外场景数据和跨平台学习技术，推动语言驱动的三维具身感知研究。
Comments NeurIPS 2025 DB Track; 38 pages, 17 figures, 10 tables; Project Page at https://project-3eed.github.io/
DynaStride: 基于MMCoT的动态步长窗多场景描述生成
机构 * Algoverse AI Research（Algoverse人工智能研究）
AI总结 DynaStride通过多模态链式思考和动态步长窗算法，实现无需手动分割的多场景教学视频连贯描述生成，提升描述的连贯性和信息量。
Comments 16 pages, 15 figures, 5 Tables, Accepted at NeurIPS 7HVU Workshop, Accepted at AAAI AI4ED Workshop
自动机约束的Q学习
机构 * Department of Computer Science（计算机科学系） ； Purdue University（普渡大学）
AI总结 ACQL通过结合目标条件的值学习与自动机引导的强化学习，解决了在连续控制任务中同时满足时间有序目标和安全约束的问题。
Comments 10 main content pages, 4 main content figures, 11 appendix pages, 5 appendix figures, camera ready version submitted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
TRiCo：三元博弈协同训练用于鲁棒半监督学习
机构 * University of Warwick（沃里克大学） ； Emory University（埃默里大学） ； University of Minnesota – Twin Cities（明尼苏达大学双城分校） ； ANU（澳大利亚国立大学） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； UCSD（加州大学圣地亚哥分校） ； Zhejiang University（浙江大学）
AI总结 TRiCo通过三元博弈协同训练框架提升半监督学习的鲁棒性和性能，实现更稳健的伪标签选择和决策边界优化。
Comments Accepted by NeurIPS 2025
通过神经-注意力分解解释基于ResNet的CLIP
机构 * UC San Diego（圣迭戈大学） ； UC Berkeley（伯克利大学）
AI总结 通过神经-注意力分解解释CLIP-ResNet中的神经元，实现无训练语义分割和分布偏移监控
Comments Accepted at NeurIPS 2025 Workshop on Mechanistic Interpretability. Project page: https://edmundbu.github.io/clip-neur-attn/
对齐的解剖：通过引导稀疏特征分解偏好优化
机构 * University of Groningen（格罗宁根大学） ； AI Safety Initiative Groningen（格罗宁根人工智能安全倡议） ； Apart Research（Apart研究）
AI总结 本文提出FSRL框架，通过引导稀疏特征来实现透明的偏好优化，揭示模型在风格化呈现上的偏倚，提供可解释的对齐控制方法。
Comments Spotlight at NeurIPS 2025 Mechanistic Interpretability Workshop
探索变分图自编码器用于配电网数据生成
机构 * Technical University of Munich（慕尼黑技术大学）
AI总结 本文探讨了变分图自编码器在配电网数据生成中的应用，发现基于GCN的方法在ENGAGE数据集上表现良好，但在DINGO数据集上存在生成问题，强调了需要更先进的生成模型。
Comments 12 pages, 7 figures. Accepted at NeurIPS 2025
检查表比奖励模型更能对齐语言模型
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出基于检查表反馈的强化学习方法，通过灵活的指令特定准则提升语言模型的指令遵循能力，在多个基准测试中均取得性能提升。
Comments Presented at NeurIPS 2025
AI应更善于感知，而非仅仅更大：适应性感知作为范式转变
机构 * SNU（首尔国立大学）
AI总结 本文提出适应性感知作为AI范式转变，通过动态调节传感器参数以提升效率和公平性，推动可持续且稳健的人工智能发展。
Comments Published in NeurIPS 2025 (Position Paper Track)
CORAL: 解构长尾扩散模型中的潜在表示
机构 * Arizona State University（亚利桑那州立大学）
AI总结 CORAL通过对比学习对齐潜在表示，解决长尾分布下扩散模型生成尾类样本多样性与质量低的问题。
Comments Accepted at NeurIPS 2025
4DGT: 基于4D高斯变换器的学习用于动态场景重建
AI总结 4DGT通过基于4D高斯的变换器模型，在真实世界单目视频上实现高效动态场景重建，显著提升重建速度并优于现有方法。
Comments NeurIPS 2025 (Spotlight); Project Page: https://4dgt.github.io
深度强化学习需要深度行为分析：通过无模型智能体在开放性环境中探索隐式规划
机构 * Department of Neurobiology, Harvard Medical School（哈佛医学院神经生物学系） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） ； Department of Mathematics, NTNU（NTNU数学系） ； School of Computer Science, McGill University & Mila（麦吉尔大学计算机科学学院及Mila） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Biophysics Graduate Program, Harvard University（哈佛大学生物物理学研究生项目）
AI总结 本文通过ForageWorld环境研究DRL智能体的行为，发现无模型智能体可通过涌现动态展现规划行为，提出通用分析框架用于研究复杂智能体的学习动态。
Comments Published at NeurIPS 2025
多尺度指导基于异质冷冻电镜数据的蛋白质结构预测
机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学）
AI总结 CryoBoltz通过结合冷冻电镜密度图与蛋白质结构预测模型，实现对动态生物分子复合物构象多样性的多尺度指导预测。
Comments NeurIPS 2025
T-SHIRT: 令牌选择性层次数据选择用于指令微调
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 T-SHIRT通过令牌选择性层次数据选择方法提升指令微调效率，使小规模数据集训练效果优于大规模数据集。
Comments NeurIPS 2025
SPIRAL: 基于语义的渐进式LiDAR场景生成与理解
机构 * Technical University of Munich（慕尼黑技术大学） ； Fudan University（复旦大学） ； National University of Singapore（新加坡国立大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 Spiral提出了一种基于范围视图的LiDAR扩散模型，能够同时生成深度、反射图像和语义地图，实现高效的3D场景生成与理解。
Comments NeurIPS 2025; 24 pages, 10 figures, 9 tables; Code at https://github.com/worldbench/SPIRAL
寻找亚当的神秘配方
机构 * ELLIS Institute Tübingen（图宾根埃利斯研究所） ； MPI-IS Tübingen（图宾根马克斯·普朗克研究所） ； AI Center, Germany（德国人工智能中心） ； CCM, Flatiron Institute, Simons Foundation（CCM，Flatiron研究所，Simons基金会） ； New York, US（美国纽约）
AI总结 本研究发现，将亚当的动量参数设为相等可保持性能，同时提供新的理论见解和统计解释。
Comments Accepted at NeurIPS 2025
预条件兰格朗日动力学与基于分数的生成模型用于无限维线性贝叶斯反问题
机构 * University of Basel（巴塞尔大学） ； Ecole Polytechnique, IP Paris（巴黎高等理工学院） ； University of California Irvine（加州大学尔湾分校） ； Rice University（里奇大学）
AI总结 本文提出利用基于分数的生成模型驱动的预条件兰格朗日动力学，解决无限维线性贝叶斯反问题，推导误差估计并保证全局收敛性。
Comments NeurIPS 2025 (Spotlight)
不同的提示方法是否会在语言模型中产生共同的任务表示？
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； New York University（纽约大学） ； Princeton University（普林斯顿大学）
AI总结 研究通过函数向量分析不同提示方法对语言模型任务表示的影响，发现不同提示形式导致不同的任务机制，支持结合指令和演示的实践。
Comments 10 pages, 4 figures; presented at NeurIPS 2025
STaRFormer：通过动态注意力基于区域掩码的半监督任务引导表示学习进行序列数据建模
机构 * BMW Group（宝马集团） ； University of Glasgow（格拉斯哥大学）
AI总结 STaRFormer通过动态注意力区域掩码和半监督对比学习，提升序列数据中用户意图预测的准确性与鲁棒性。
Comments Accepted to NeurIPS 2025
SWE-RL：通过强化学习提升大语言模型推理能力
机构 * Meta AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 SWE-RL通过强化学习提升大语言模型在软件工程领域的推理能力，实现了41.0%的解决率，超越了现有中等规模LLM的性能。
Comments Accepted to NeurIPS 2025 Main Track
MimeQA: 向具有社会智能的非语言基础模型迈进
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Imperial College London（伦敦帝国理工学院）
AI总结 MimeQA通过引入非语言互动数据集，评估视频大语言模型在非语言社会推理中的表现，发现其准确率较低，人类表现更优。
Comments NeurIPS 2025 Datasets and Benchmarks
通过矩阵分裂和预条件化统一近策略学习中线性函数逼近的观点
AI总结 本文通过矩阵分裂和预条件化方法，统一了近策略学习中线性函数逼近的TD、FQI和PFQI方法，揭示了其收敛关系及新收敛条件。
Comments This work has been accepted for spotlight presentation (top 3% of papers) at NeurIPS 2025
测量Web过滤文本数据集的指纹及其通过训练传播
AI总结 研究发现预训练数据集的指纹可通过训练传播，揭示数据特征及预训练混合比例等信息。
Journal ref NeurIPS 2025 (Spotlight)
GermanPartiesQA: 对商业大语言模型和AI伴侣在政治倾向和趋炎附势方面的基准测试
机构 * TUM（慕尼黑大学） ； TUB（慕尼黑大学）
AI总结 GermanPartiesQA研究了六个商业LLMs在政治倾向和趋炎附势方面的表现，揭示了LLMs在生成事实性政党立场上的局限性以及模型特定的意识形态倾向模式。
Comments Published at AAAI/ACM AIES 2025. Presented at NeurIPS 2025 Workshop on LLM Evaluation and the International Monetary Fund's 12th Statistical Forum. GermanPartiesQA Benchmark under https://github.com/janbatzner/germanpartiesqa
Journal ref Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(1), 2025, pp. 330-342
评估大型语言模型在开源游戏中的表现
机构 * University of Washington（华盛顿大学）
AI总结 本文评估了LLMs在开源游戏中预测策略和分析合作策略形成的能力。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
样本高效的目标导向自博弈用于离线鲁棒强化学习
机构 * Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Edith Cowan University（埃迪斯·科温大学） ； University of New South Wales（新南威尔士大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出RTZ-VI-LCB算法，通过乐观鲁棒值迭代和数据驱动的伯恩斯坦惩罚项，实现离线鲁棒双人零和马尔可夫游戏的最优样本复杂性保证。
Comments NeurIPS 2025
基于最优传输的分布几何对齐优化用于生成数据集蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； Independent Researcher（独立研究者）
AI总结 本文提出基于最优传输的分布几何对齐方法，通过优化传输距离提升数据集蒸馏效果，实验表明在ImageNet-1K上准确率提升至少4%。
Comments NeurIPS 2025
DenseScan: 通过2D密集标注提升3D场景理解
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Wuhan University（武汉大学）
AI总结 DenseScan通过2D密集标注提升3D场景理解，结合多视角图像和多模态大语言模型生成丰富语义标注，拓展下游任务应用。
Comments Workshop on Space in Vision, Language, and Embodied AI at NeurIPS 2025
为何粒子变换器中的注意力是稀疏的？
AI总结 研究揭示粒子变换器中稀疏注意力的来源，发现其主要源于注意力机制本身，而非交互矩阵，并展示了其在无显式粒子输入情况下识别喷注子结构的能力。
Comments Accepted to the Machine Learning and the Physical Sciences Workshop, NeurIPS 2025
通过大语言模型实现受约束的网络切片分配
机构 * University of Southern California（南加州大学）
AI总结 本文利用大语言模型实现网络切片分配，通过零样本提示生成初始分配方案，并结合优化求解器提升性能，实现高效的5G网络资源分配。
Comments Accepted at NeurIPS 2025 Workshop on AI and ML for Next-Generation Wireless Communications and Networking (AI4NextG), San Diego, CA
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