NeurIPS

Towards Unsupervised Domain Bridging via Image Degradation in Semantic Segmentation

通过图像退化实现无监督领域桥接的语义分割方法

Wangkai Li, Rui Sun, Huayu Mai, Tianzhu Zhang

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知联合实验室，中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家深空探测重点实验室，深空探测实验室） 纠错

AI总结 DiDA通过图像退化构建中间领域并补偿语义偏移，提升语义分割在不同领域间的适应性能。

Comments Accepted by Conference on Neural Information Processing Systems (NeurIPS 2025)

Charting the Shapes of Stories with Game Theory

用博弈论绘制故事的形状

Constantinos Daskalakis, Ian Gemp, Yanchen Jiang, Renato Paes Leme, Christos Papadimitriou, Georgios Piliouras

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Archimedes AI Cambridge, MA（阿基米德AI剑桥分校） ； Google DeepMind London, UK（谷歌深度Mind伦敦分公司） ； Harvard SEAS Cambridge, MA（哈佛大学科学与工程学院） ； Google Research New York, New York（谷歌研究纽约分公司） ； Columbia CS & Archimedes AI New York, NY（哥伦比亚大学计算机科学与阿基米德AI纽约分校） 纠错

AI总结 本研究利用博弈论方法分析故事结构，通过AI技术揭示情节、人物动机及反事实情节，应用于《罗密欧与朱丽叶》并探讨其在现实中的应用潜力。

Comments NeurIPS 2024 Creative AI Track

RepLDM: Reprogramming Pretrained Latent Diffusion Models for High-Quality, High-Efficiency, High-Resolution Image Generation

RepLDM: 重编程预训练的潜在扩散模型以实现高质量、高效、高分辨率图像生成

Boyuan Cao, Jiaxin Ye, Yujie Wei, Hongming Shan

AI总结 RepLDM通过重编程预训练的潜在扩散模型，实现高质量、高效、高分辨率的图像生成，优于现有方法。

Comments NeurIPS 2025 (Spotlight)

Demystifying Language Model Forgetting with Low-rank Example Associations

解开语言模型遗忘之谜：低秩示例关联

Xisen Jin, Xiang Ren

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文通过低秩矩阵分析揭示语言模型微调时遗忘的机制，并提出基于矩阵补全的方法有效缓解遗忘问题。

Comments NeurIPS 2025. Updated code and data URL