NeurIPS

Open Polymer Challenge: Post-Competition Report

开放聚合物挑战：赛后报告

Gang Liu, Sobin Alosious, Subhamoy Mahajan, Eric Inae, Yihan Zhu, Yuhan Liu, Renzheng Zhang, Jiaxin Xu, Addison Howard, Ying Li, Tengfei Luo, Meng Jiang

机构 * University of Notre Dame（诺丁汉大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Kaggle 纠错

AI总结 开放聚合物挑战通过发布首个社区开发的聚合物基准数据集，推动多任务聚合物属性预测，促进分子AI在聚合物科学中的应用。

Comments The report for the competition: "NeurIPS - Open Polymer Prediction 2025". Kaggle Page: https://www.kaggle.com/competitions/neurips-open-polymer-prediction-2025. Website: https://open-polymer-challenge.github.io

TrackingWorld: World-centric Monocular 3D Tracking of Almost All Pixels

TrackingWorld: 以世界为中心的单目3D像素跟踪

Jiahao Lu, Weitao Xiong, Jiacheng Deng, Peng Li, Tianyu Huang, Zhiyang Dou, Cheng Lin, Sai-Kit Yeung, Yuan Liu

机构 * HKUST（香港科技大学） ； USTC（中国科学技术大学） ； CUHK（香港中文大学） ； HKU（香港大学） ； XMU（厦门大学） ； MUST（澳门科技大学） 纠错

AI总结 TrackingWorld提出了一种以世界为中心的单目3D像素跟踪方法，通过上采样器和优化框架实现对视频中几乎所有像素的密集3D跟踪。

Comments Accepted by NeurIPS 2025. Project Page: https://igl-hkust.github.io/TrackingWorld.github.io/

Manifolds and Modules: How Function Develops in a Neural Foundation Model

流形与模块：神经基础模型中函数如何发展

Johannes Bertram, Luciano Dyballa, T. Anderson Keller, Savik Kinger, Steven W. Zucker

机构 * University of Tübingen（图宾根大学） ； School of Science & Technology（科学与技术学院） ； IE University（IE大学） ； The Kempner Institute for Natural and Artificial Intelligence（自然与人工智能研究所） ； Harvard University（哈佛大学） ； Department of Computer Science（计算机科学系） ； Yale University（耶鲁大学） ； Depts. of Computer Science and Biomedical Engineering（计算机科学与生物医学工程系） ； Wu Tsai Institute（吴士怀研究所） 纠错

AI总结 本文通过分析神经基础模型中不同处理阶段的流形结构，揭示其在生物相关性方面的贡献。

Comments 25 pages, 10 figures, accepted at Data on the Brain & Mind Findings, NeurIPS 2025

Automating High Energy Physics Data Analysis with LLM-Powered Agents

利用LLM代理自动化高能物理数据分析

Eli Gendreau-Distler, Joshua Ho, Dongwon Kim, Luc Tomas Le Pottier, Haichen Wang, Chengxi Yang

机构 * Department of Physics, University of California, Berkeley, Berkeley, CA 94720, USA（加州大学伯克利分校物理系） ； Physics Division, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA（伯克利国家实验室物理部） 纠错

AI总结 本研究利用LLM代理自动化高能物理数据分析，通过混合系统结合LLM和Snakemake工作流管理器，评估代理在多阶段工作流中的性能。

Comments 16 pages, 6 figures, 2 tables, the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) - Machine Learning and the Physical Sciences (ML4PS) workshop (poster)

Decomposition of Small Transformer Models

小型变换器模型的分解

Casper L. Christensen, Logan Riggs

机构 * Independent（独立研究者） 纠错

AI总结 本文提出将随机参数分解扩展到变换器模型，通过改进的因果重要性函数和新损失函数，成功分解玩具模型并揭示GPT-2-small中可解释的子组件。

Comments Accepted at Neurips 2025 Workshop on Mechanistic Interpretability

Elucidated Rolling Diffusion Models for Probabilistic Forecasting of Complex Dynamics

阐明的滚动扩散模型用于复杂动态的概率预报

Salva Rühling Cachay, Miika Aittala, Karsten Kreis, Noah Brenowitz, Arash Vahdat, Morteza Mardani, Rose Yu

机构 * UC San Diego（斯克利普斯海洋研究所（圣地亚哥）） ； NVIDIA（英伟达） 纠错

AI总结 ERDM通过整合滚动预测结构与EDM设计，有效提升复杂动态的概率预报性能。

Comments NeurIPS 2025

Journal ref Advances in Neural Information Processing Systems (NeurIPS), 2025

Bezier Splatting for Fast and Differentiable Vector Graphics Rendering

贝塞尔点绘用于快速且可微的向量图形渲染

Xi Liu, Chaoyi Zhou, Nanxuan Zhao, Siyu Huang

机构 * Clemson University（克莱姆森大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 本文提出贝塞尔点绘方法，通过高效光栅化实现快速且高保真的向量图形渲染，同时支持SVG格式转换，显著提升渲染质量和优化效率。

Comments NeurIPS 2025. Project page: https://xiliu8006.github.io/Bezier_splatting_project/

GSPN-2: Efficient Parallel Sequence Modeling

GSPN-2：高效的并行序列建模

Hongjun Wang, Yitong Jiang, Collin McCarthy, David Wehr, Hanrong Ye, Xinhao Li, Ka Chun Cheung, Wonmin Byeon, Jinwei Gu, Ke Chen, Kai Han, Hongxu Yin, Pavlo Molchanov, Jan Kautz, Sifei Liu

机构 * NVIDIA ； The University of Hong Kong（香港大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 GSPN-2通过结构化矩阵变换和GPU优化实现，提升视觉应用中全局空间上下文建模的效率。

Comments NeurIPS 2025

Towards Characterizing Knowledge Distillation of PPG Heart Rate Estimation Models

面向PPG心率估计模型知识蒸馏的特性分析

Kanav Arora, Girish Narayanswamy, Shwetak Patel, Richard Li

机构 * University of Washington（华盛顿大学） 纠错

AI总结 本文研究了PPG心率估计模型的知识蒸馏特性，评估了四种蒸馏策略，揭示了模型大小与性能的缩放规律，为边缘设备部署提供了理论支持。

Comments 5 pages, 3 figures, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Learning from Time Series for Health