NeurIPS

FALCON: Few-step Accurate Likelihoods for Continuous Flows

FALCON: 连续流中少步准确的似然性

Danyal Rehman, Tara Akhound-Sadegh, Artem Gazizov, Yoshua Bengio, Alexander Tong

机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； AITHYRA ； McGill University（麦吉尔大学） ； Harvard University（哈佛大学） 纠错

AI总结 FALCON通过混合训练目标提升连续流的似然精度，实现高效分子采样，比现有模型快两个数量级。

Comments Preprint; NeurIPS 2025 MLSB

Contextual Dynamic Pricing with Heterogeneous Buyers

具有异质买家的上下文动态定价

Thodoris Lykouris, Sloan Nietert, Princewill Okoroafor, Chara Podimata, Julian Zimmert

机构 * MIT（麻省理工学院） ； EPFL（瑞士联邦理工学院） ； Harvard（哈佛大学） ； Google（谷歌） 纠错

AI总结 本文提出了一种针对异质买家的上下文动态定价算法，通过乐观后验抽样实现低遗憾，同时改进非上下文定价情况下的方差感知放大算法。

Comments Appeared at NeurIPS 2025

Estimation of Stochastic Optimal Transport Maps

随机最优运输映射的估计

Sloan Nietert, Ziv Goldfeld

机构 * EPFL（瑞士联邦理工学院） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出了一种新的度量来评估随机映射的运输质量，并开发了具有接近最优有限样本风险界的高效映射估计器，适用于现实世界中可能需要随机最优运输的广泛应用场景。

Comments Appeared at NeurIPS 2025

Procurement Auctions with Predictions: Improved Frugality for Facility Location

带有预测的采购拍卖：改进的设施选址frugality

Eric Balkanski, Nicholas DeFilippis, Vasilis Gkatzelis, Xizhi Tan

AI总结 本文提出了一种改进的设施选址拍卖机制，通过引入预测增强框架，提高了frugality比率并增强了鲁棒性。

Comments In proceeding at NeurIPS 2025

WOLF: Werewolf-based Observations for LLM Deception and Falsehoods

基于狼人游戏的LLM欺骗与虚假信息观测

Mrinal Agarwal, Saad Rana, Theo Sundoro, Hermela Berhe, Spencer Kim, Vasu Sharma, Sean O'Brien, Kevin Zhu

机构 * Algoverse AI Research（Algoverse AI研究院） 纠错

AI总结 WOLF通过狼人游戏构建多智能体社交推理基准，评估LLM在欺骗生成与检测中的能力，展示动态交互提升欺骗识别性能。

Comments Spotlight Multi-Turn Interactions in Large Language Models (MTI-LLM) Workshop at NeurIPS 2025

Stronger is not better: Better Augmentations in Contrastive Learning for Medical Image Segmentation

更强并非更好：对比学习中用于医学图像分割的改进增强

Azeez Idris, Abdurahman Ali Mohammed, Samuel Fanijo

机构 * Department of Computer Science（计算机科学系） 纠错

AI总结 本文研究了医学图像分割中对比学习的增强方法，发现强数据增强不一定提升性能，并提出了改进的增强技术以提高分割效果。

Comments NeurIPS Black in AI workshop - 2022

LLMscape

LLMscape：探索人类与AI在不确定性条件下构建意义的相似性

Gottfried Haider, Jie Zhang

机构 * NYU Shanghai（纽约大学上海校区） ； NYU Shanghai Center for Data Science（纽约大学上海数据科学中心） ； Design Innovation Insitute（设计创新研究所） ； Shanghai Tongji University College of Design and Innovation（上海同济大学设计创新学院） 纠错

AI总结 LLMscape通过互动装置探讨人类与AI在不确定性条件下构建意义的相似性，展示AI作为共同见证者的角色

Comments Accepted to NeurIPS 2025, Creative AI Track (updated to include poster, video)

Smaller Models, Smarter Rewards: A Two-Sided Approach to Process and Outcome Rewards

更小的模型，更聪明的奖励：一种双面方法来处理和结果奖励

Jan Niklas Groeneveld, Xi Qin, Alexander Schaefer, Yaad Oren

机构 * University of California, Irvine（加州大学尔湾分校） ； SAP Lab（SAP实验室） ； Stanford Human-Centered AI Institution（斯坦福人本AI机构） 纠错

AI总结 本文提出了一种双面方法，利用小型语言模型生成高质量代码，通过融合过程和结果奖励，提升了代码生成的搜索能力。

Comments Accepted and presented at NeurIPS 2025 Workshop: Foundations of Reasoning in Language Models

The emergence of sparse attention: impact of data distribution and benefits of repetition

稀疏注意力的出现：数据分布的影响与重复性的益处

Nicolas Zucchet, Francesco d'Angelo, Andrew K. Lampinen, Stephanie C. Y. Chan

机构 * ETH Zürich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文研究了稀疏注意力在训练过程中的涌现机制，揭示其与任务结构、架构和优化器选择的关系，并发现重复能加速这一过程。

Comments NeurIPS 2025

Sinusoidal Initialization, Time for a New Start

正弦初始化，新的开始

Alberto Fernández-Hernández, Jose I. Mestre, Manuel F. Dolz, Jose Duato, Enrique S. Quintana-Ortí

机构 * OpenChip（OpenChip公司） 纠错

AI总结 本文提出正弦初始化方法，通过结构化权重矩阵提升深度学习模型的收敛速度、稳定性及准确率。

Journal ref NeurIPS (2025)

Constrained Discrete Diffusion

受约束的离散扩散

Michael Cardei, Jacob K Christopher, Thomas Hartvigsen, Bhavya Kailkhura, Ferdinando Fioretto

机构 * University of Virginia（弗吉尼亚大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

AI总结 受约束的离散扩散通过在扩散过程中直接施加约束，实现无训练的可控生成，优于现有方法。

Comments Published at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Aligning Text to Image in Diffusion Models is Easier Than You Think

在扩散模型中将文本对齐到图像比你想象的更容易

Jaa-Yeon Lee, Byunghee Cha, Jeongsol Kim, Jong Chul Ye

机构 * Kim Jaechul Graduate School of AI, KAIST（金佳哲人工智能研究生院，韩国科学技术院） ； Department of Bio and Brain Engineering, KAIST（生物与脑工程系，韩国科学技术院） 纠错

AI总结 本文提出SoftREPA方法，通过对比学习提升文本与图像表示的对齐效果，减少计算开销，增强语义一致性。

Comments NeurIPS 2025

Finite-Sample Analysis of Policy Evaluation for Robust Average Reward Reinforcement Learning

有限样本分析鲁棒平均奖励强化学习中的策略评估

Yang Xu, Washim Uddin Mondal, Vaneet Aggarwal

机构 * Purdue University（普渡大学） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔） 纠错

AI总结 本文提出了一种基于多级蒙特卡洛技术的鲁棒策略评估方法，实现了最优样本复杂度，解决了鲁棒平均奖励强化学习中的样本复杂度问题。

Comments The 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Low-Dimensional Structure in the Space of Language Representations is Reflected in Brain Responses

语言表示空间中的低维结构反映在脑响应中

Richard Antonello, Javier Turek, Vy Vo, Alexander Huth

机构 * UT Austin（德克萨斯大学） ； Intel Labs（英特尔实验室） 纠错

AI总结 研究揭示语言表示空间的低维结构，并通过fMRI验证其与大脑自然语言处理层次的关系。

Comments Accepted to the Advances in Neural Information Processing Systems 34 (2021) Revised to include voxel selection details

Demo: Generative AI helps Radiotherapy Planning with User Preference

演示：生成式AI助力放疗计划制定与用户偏好

Riqiang Gao, Simon Arberet, Martin Kraus, Han Liu, Wilko FAR Verbakel, Dorin Comaniciu, Florin-Cristian Ghesu, Ali Kamen

机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Varian Medical Systems, Siemens Healthineers（Varian医疗系统，西门子医疗） 纠错

AI总结 生成式AI通过用户自定义偏好提升放疗计划的灵活性与个性化，优于现有方法在适应性和计划质量上

Comments Best paper in GenAI4Health at NeurIPS 2025

3DID: Direct 3D Inverse Design for Aerodynamics with Physics-Aware Optimization

3DID: 基于物理感知优化的直接三维逆向设计

Yuze Hao, Linchao Zhu, Yi Yang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能状态关键实验室） 纠错

AI总结 3DID提出一种基于物理感知优化的直接三维逆向设计框架，通过连续潜在表示和两阶段优化策略生成高保真的三维几何结构，提升设计质量和灵活性。

Comments Accepted at NeurIPS 2025

Financial Instruction Following Evaluation (FIFE)

金融指令遵循评估（FIFE）

Glenn Matlin, Siddharth, Anirudh JM, Aditya Shukla, Yahya Hassan, Sudheer Chava

AI总结 FIFE是一个用于评估语言模型在金融分析任务中指令遵循能力的高难度基准，通过88个人撰写的提示和可验证约束系统，评估53个模型的性能，揭示了不同模型在复杂金融指令任务中的表现差异。

Comments Accepted at NeurIPS 2025 Generative AI in Finance Workshop (GenAI Finance), San Diego. Camera-ready version. Code and data: https://github.com/gtfintechlab/FIFE/

EEG-Bench: A Benchmark for EEG Foundation Models in Clinical Applications

EEG-Bench: 一个用于临床应用中EEG基础模型的基准测试

Ard Kastrati, Josua Bürki, Jonas Lauer, Cheng Xuan, Raffaele Iaquinto, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 EEG-Bench为临床应用中的EEG基础模型提供了一个统一的基准测试框架，评估了11个诊断任务，并展示了简单模型在临床分布偏移下的竞争力。

Comments Foundation Models for the Brain and Body (BrainBodyFM@NeurIPS)

Global Convergence for Average Reward Constrained MDPs with Primal-Dual Actor Critic Algorithm

具有对偶-actor-critic算法的平均奖励约束MDP的全局收敛性

Yang Xu, Swetha Ganesh, Washim Uddin Mondal, Qinbo Bai, Vaneet Aggarwal

机构 * Purdue University, USA（普渡大学，美国） ； Indian Institute of Science, Bengaluru, India（印度班加罗尔印度理工学院） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） 纠错

AI总结 本文提出了一种对偶-actor-critic算法，实现了平均奖励约束MDP的全局收敛性和约束违反率的理论最优解。

Comments NeurIPS 2025