Universally Converging Representations of Matter Across Scientific Foundation Models
跨科学基础模型中物质的普遍收敛表示
AI总结 研究揭示科学基础模型在不同模态和数据集上对物质的普遍表示收敛性，表明模型学习了共同的物理现实表示，但受限于训练数据和归纳偏置。
Comments Oral spotlight at NeurIPS 2025 UniReps Workshop
期刊&会议
NeurIPS
Conference on Neural Information Processing Systems · 会议 · Machine Learning
Feature-aware Modulation for Learning from Temporal Tabular Data
面向特征的调制：学习时序表格数据
机构 * School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学）
AI总结 本文提出了一种面向特征的时间调制机制，通过调节特征表示的统计属性来平衡泛化性和适应性，有效应对时序表格数据中的时间偏移问题。
Comments 17 pages, 6 figures, 8 tables. NeurIPS 2025
Motion4D: Learning 3D-Consistent Motion and Semantics for 4D Scene Understanding
Motion4D: 学习3D一致的运动和语义以实现4D场景理解
AI总结 Motion4D通过整合2D先验和4D高斯点撒表示，提升3D一致性和语义一致性，实现更准确的4D场景理解。
Comments Accepted to NeurIPS 2025
All that structure matches does not glitter
所有结构匹配都不发光
机构 * Center for Soft Matter Research, Department of Physics, New York University（纽约大学软物质研究中心） ； Simons Center for Computational Physical Chemistry, Department of Chemistry, New York University（纽约大学计算物理化学simons中心） ； Department of Computer Science & Engineering, University of Minnesota（明尼苏达大学计算机科学与工程系） ； Department of Physics & Astronomy, Brigham Young University（BYU物理与天文学系） ； Department of Chemistry, University of Florida（佛罗里达大学化学系） ； Quantum Theory Project, University of Florida（佛罗里达大学量子理论项目） ； Department of Materials Science & Engineering, University of Florida（佛罗里达大学材料科学与工程系） ； Department of Aerospace Engineering & Mechanics, University of Minnesota（明尼苏达大学航空航天工程与力学系） ； Center for Neural Science, New York University（纽约大学神经科学中心） ； Courant Institute of Mathematical Sciences, New York University（纽约大学数学科学学院）
AI总结 本文针对晶体结构预测任务中数据集和评估指标的问题，提出改进数据集的修复方法和新的评估指标，以提高模型评估的准确性。
Comments Accepted at Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS)
Class conditional conformal prediction for multiple inputs by p-value aggregation
通过p值聚合实现多输入的条件分类置信预测
AI总结 通过p值聚合改进多输入条件分类置信预测，提升预测集规模并保持覆盖概率保证。
Journal ref NeurIPS 2025, The Thirty-Ninth Annual Conference on Neural Information Processing Systems, Dec 2025, San Diego (CA), United States
BitMark: Watermarking Bitwise Autoregressive Image Generative Models
BitMark: 图像生成模型中位级水印技术
机构 * CISPA Helmholtz Center for Information Security（CISPA 河岸信息安全中心）
AI总结 BitMark通过位级水印技术防止图像生成模型中的模型崩溃，确保生成内容可检测。
Comments Accepted as a Conference Paper at NeurIPS 2025
Bigram Subnetworks: Mapping to Next Tokens in Transformer Language Models
双元子网络：映射到下一个标记的Transformer语言模型
机构 * Department of Cognitive Science University of California San Diego（认知科学系，加州大学圣地亚哥分校）
AI总结 研究发现Transformer语言模型中存在双元子网络，这些子网络能基于当前标记预测下一个标记，且对模型性能至关重要。
Comments NeurIPS 2025
Trajectory Balance with Asynchrony: Decoupling Exploration and Learning for Fast, Scalable LLM Post-Training
轨迹平衡与异步性：解耦探索与学习以实现快速、可扩展的LLM后训练
机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； KAIST（韩国科学技术院） ； CIFAR Fellow
AI总结 TBA通过解耦探索与学习，提升LLM后训练的速度和性能，适用于多种任务并支持大规模数据生成。
Comments NeurIPS 2025; 27 pages
Transductive Conformal Inference for Full Ranking
诱导符合推断用于全排序
AI总结 本文提出基于符合预测的方法，用于量化全排序算法在未知排名中的不确定性，并通过实验验证其有效性。
Journal ref NeurIPS 2025, The Thirty-Ninth Annual Conference on Neural Information Processing Systems, Dec 2025, San Diego (CA), United States
EnCompass: Enhancing Agent Programming with Search Over Program Execution Paths
EnCompass：通过程序执行路径搜索增强智能体编程
机构 * Asari AI ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Caltech CMS（加州理工学院 CMS）
AI总结 EnCompass通过解耦智能体工作流逻辑与推理策略，提供一种基于Python的框架，允许快速提升智能体可靠性并灵活切换推理策略。
Comments 65 pages, 2 figures, published in NeurIPS 2025
AsymPuzl: An Asymmetric Puzzle for multi-agent cooperation
AsymPuzl：多智能体合作中的非对称谜题
机构 * Dartmouth College（达特茅斯学院）
AI总结 AsymPuzl通过非对称谜题环境研究多智能体合作中的通信策略与反馈机制。
Comments Accepted at NeurIPS MTI-LLM 2025
Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia
利用Concordia评估基于LLM的智能体在混合动机场景中的泛化能力
机构 * Cooperative AI Foundation（合作人工智能基金会） ； University of Oxford（牛津大学） ； UC Berkeley（伯克利大学） ； Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Leverhulme Centre for the Future of Intelligence, University of Cambridge（未来智能研究中心，剑桥大学） ； MIT（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Center on Long-Term Risk（长期风险中心） ； Google Research（谷歌研究） ； University of Washington（华盛顿大学） ； Centrum Wiskunde & Informatica（数学与信息研究所） ； Utrecht University（乌得勒支大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Concordia Contest Participants with Notable Contributions（康科德比赛有显著贡献的参与者）
AI总结 本文提出利用Concordia评估LLM智能体在混合动机场景中的合作能力，揭示了当前智能体在泛化能力上的不足。
Comments Published at NeurIPS Datasets and Benchmarks 2025, 10 pages
PixPerfect: Seamless Latent Diffusion Local Editing with Discriminative Pixel-Space Refinement
PixPerfect: 基于判别像素空间的无缝潜在扩散局部编辑
机构 * Adobe Research（Adobe研究院） ； University of Rochester（罗切斯特大学）
AI总结 PixPerfect通过判别像素空间和伪影模拟流程，实现跨不同LDM架构和任务的无缝高保真局部编辑。
Comments Published in the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
Perch 2.0 transfers 'whale' to underwater tasks
Perch 2.0将'鲸'转移到水下任务
机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究）
AI总结 Perch 2.0通过少样本迁移学习在海洋哺乳动物分类中表现出色，优于其他预训练生物声学模型。
Comments 8 pages, 3 figures, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: AI for Non-Human Animal Communication
Flux4D: Flow-based Unsupervised 4D Reconstruction
Flux4D: 基于流的无监督4D重建
机构 * Waabi ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校）
AI总结 Flux4D通过无监督学习直接从原始数据中重建大规模动态场景，无需预训练模型或先验知识，实现高效且可扩展的4D重建。
Comments NeurIPS 2025. Project page: https://waabi.ai/flux4d/
Atomic Diffusion Models for Small Molecule Structure Elucidation from NMR Spectra
原子扩散模型用于从NMR谱解析小分子结构
机构 * Princeton University（普林斯顿大学） ； California Institute of Technology（加州理工学院）
AI总结 ChefNMR通过原子扩散模型从NMR光谱直接预测小分子结构，实现高精度自动解析。
Comments NeurIPS 2025
Mitigating Intra- and Inter-modal Forgetting in Continual Learning of Unified Multimodal Models
缓解统一多模态模型持续学习中的模态内和模态间遗忘
AI总结 本文提出MoDE，通过解耦模态以缓解统一多模态模型中的模态内和模态间遗忘问题。
Comments NeurIPS 2025
Hierarchical Deep Research with Local-Web RAG: Toward Automated System-Level Materials Discovery
分层深度研究与本地Web RAG：迈向自动化系统级材料发现
机构 * Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Chemical Sciences and Engineering Division, Argonne National Laboratory（阿贡国家实验室化学科学与工程 division） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
AI总结 本文提出一种分层深度研究代理，通过本地Web RAG和DToR机制，实现低成本高质的自动化系统级材料发现。
Comments A preliminary version appeared in The AI for Accelerated Materials Discovery (AI4Mat) Workshop at NeurIPS 2025
SafePTR: Token-Level Jailbreak Defense in Multimodal LLMs via Prune-then-Restore Mechanism
SafePTR: 通过剪枝-恢复机制实现多模态大语言模型的令牌级 Jailbreak 防御
机构 * Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳研究院） ； Southwestern University of Finance and Economics（西南财经大学） ； Engineering Research Center of Intelligent Finance, Ministry of Education（教育部智能金融工程研究中心） ； Tongji University（同济大学）
AI总结 SafePTR 提出一种无需训练的多模态大语言模型防御机制，通过剪枝有害令牌并恢复良性特征，有效提升安全性并保持效率。
Comments Accepted by NeurIPS 2025
SPRINT: Enabling Interleaved Planning and Parallelized Execution in Reasoning Models
SPRINT: 使推理模型能够实现交错规划与并行执行
机构 * Stanford University（斯坦福大学） ； Microsoft（微软） ； Google（谷歌）
AI总结 SPRINT通过动态识别并利用并行化机会，使推理模型在复杂任务中提升效率，减少序列token生成量。
Comments Published at NeurIPS 2025. Emil Biju, Shayan Talaei, and Zhemin Huang contributed equally to this work
MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query
MERIT: 多语言语义检索与交错多条件查询
机构 * Zhejiang University（浙江大学）
AI总结 MERIT提出首个多语言交错多条件语义检索数据集，通过Coral框架提升检索性能45.9%，并验证了其在多个基准上的泛化能力。
Comments NeurIPS 2025; Project Page, Code, and Dataset at: https://merit-2025.github.io/
Characterizing the Expressivity of Fixed-Precision Transformer Language Models
刻画固定精度变换器语言模型的表达能力
AI总结 本研究通过分析固定精度变换器的表达能力，发现其与线性时间逻辑中单一时间运算符的片段一致，并通过实验证明其在语言泛化中的表现。
Comments NeurIPS 2025 (Spotlight)
Proximalized Preference Optimization for Diverse Feedback Types: A Decomposed Perspective on DPO
近端化偏好优化用于多样化反馈类型：对DPO的分解视角
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出PRO方法，通过分解DPO损失并恢复完整正则化项，解决似然不足确定性问题，提升对多样化反馈类型的适应能力。
Comments NeurIPS'2025
Planning without Search: Refining Frontier LLMs with Offline Goal-Conditioned RL
无需搜索的规划：通过离线目标条件强化学习精炼前沿大语言模型
机构 * UC Berkeley（伯克利大学）
AI总结 通过目标条件价值函数引导LLM推理，实现高效多轮交互规划，优于传统RL微调和提示方法。
Comments Published at NeurIPS 2025; 18 pages, 4 figures, 2 tables
ConfRover: Simultaneous Modeling of Protein Conformation and Dynamics via Autoregression
ConfRover：通过自回归方法同时建模蛋白质构象与动力学
机构 * ByteDance Seed（字节跳动种子基金） ； School of Mathematical Sciences, Tongji University（同济大学数学科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 ConfRover通过自回归方法同时建模蛋白质构象与动力学，支持时间依赖和时间无关的采样，首次在单一框架内实现蛋白质构象和轨迹的生成。
Comments 35 pages, 17 figures; Camera ready for NeurIPS 2025; Website: https://bytedance-seed.github.io/ConfRover
Accelerating data-driven algorithm selection for combinatorial partitioning problems
加速组合划分问题的数据驱动算法选择
机构 * UC Santa Cruz（加州大学圣克鲁兹分校） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种理论基础，用于数据驱动算法选择中的大小泛化，通过在较小样本上评估算法性能来预测大规模实例的表现，并验证了三种聚类算法和两种max-cut算法的泛化能力。
Journal ref NeurIPS 2025
