NeurIPS

The Implicit Bias of Structured State Space Models Can Be Poisoned With Clean Labels

结构状态空间模型的隐式偏见可能通过干净标签被污染

Yonatan Slutzky, Yotam Alexander, Noam Razin, Nadav Cohen

机构 * Some Institute（某些研究所） 纠错

AI总结 本文研究了结构状态空间模型的隐式偏见可能被干净标签污染的问题，揭示了特定训练数据对泛化能力的破坏作用，并指出需开发对抗此类污染的方法。

Comments Accepted to NeurIPS 2025

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions

回退删除：非凸函数的认证机器去学习

Siqiao Mu, Diego Klabjan

AI总结 本文提出了一种针对非凸损失函数的认证机器去学习算法，通过回退到学习过程早期步骤实现数据删除，证明了隐私和效用的权衡，并展示了优于现有方法的性能。

Comments NeurIPS 2025

CSAW-M: An Ordinal Classification Dataset for Benchmarking Mammographic Masking of Cancer

CSAW-M：用于乳腺癌遮蔽基准测试的顺序分类数据集

Moein Sorkhei, Yue Liu, Hossein Azizpour, Edward Azavedo, Karin Dembrower, Dimitra Ntoula, Athanasios Zouzos, Fredrik Strand, Kevin Smith

机构 * KTH Royal Institute of Technology（皇家理工学院） ； SciLifeLab ； Karolinska Institutet（卡罗林斯卡研究所） ； Karolinska University Hospital（卡罗林斯卡大学医院） ； Saint Göran Hospital（圣戈兰医院） 纠错

AI总结 CSAW-M是一个用于乳腺癌遮蔽基准测试的大型数据集，通过五位专家标注遮蔽潜力，训练深度学习模型以预测乳腺癌筛查结果。

Comments 35th Conference on Neural Information Processing Systems (NeurIPS 2021) Track on Datasets and Benchmarks

Optimized Learned Count-Min Sketch

优化的学得计数-最小草图

Kyosuke Nishishita, Atsuki Sato, Yusuke Matsui

机构 * The University of Tokyo（东京大学） 纠错

AI总结 OptLCMS通过优化参数和阈值划分，提高了学得计数-最小草图的构造速度和理论保证，同时保持了估计精度。

Comments 4 pages, 3 figures. Accepted at NeurIPS 2025 Workshop on Machine Learning for Systems

BaRISTA: Brain Scale Informed Spatiotemporal Representation of Human Intracranial Neural Activity

BaRISTA：人类脑内神经活动的脑尺度时空表示

Lucine L. Oganesian, Saba Hashemi, Maryam M. Shanechi

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

AI总结 BaRISTA提出了一种多区域神经活动时空变换器模型及自监督任务，通过调整空间尺度提升下游解码性能。

Comments Published at the 39th Annual Conference on Neural Information Processing Systems (NeurIPS 2025). Code available at https://github.com/ShanechiLab/BaRISTA

Journal ref NeurIPS 2025

Causal Strengths and Leaky Beliefs: Interpreting LLM Reasoning via Noisy-OR Causal Bayes Nets

因果强度与渗漏信念：通过噪声-或因果贝叶斯网络解读LLM推理

Hanna Dettki

机构 * New York University（纽约大学） 纠错

AI总结 本文通过噪声-或因果贝叶斯网络评估LLM和人类在因果推理任务中的表现，探讨其因果强度和信念差异。

Journal ref WiML Workshop at NeurIPS 2025

TAPVid-360: Tracking Any Point in 360 from Narrow Field of View Video

TAPVid-360: 从狭窄视野视频中跟踪任意点的360度

Finlay G. C. Hudson, James A. D. Gardner, William A. P. Smith

机构 * Department of Computer Science University of York（计算机科学系英国约克大学） 纠错

AI总结 TAPVid-360通过360视频实现从狭窄视野视频中跟踪任意点的3D方向，无需动态4D场景模型，提出新数据集和方法提升跟踪性能。

Comments Accepted to NeurIPS 2025

Regret Lower Bounds for Decentralized Multi-Agent Stochastic Shortest Path Problems

去中心化多智能体随机最短路径问题的遗憾下界

Utkarsh U. Chavan, Prashant Trivedi, Nandyala Hemachandra

机构 * Department of Mechanical Engineering（机械工程系） ； Indian Institute of Technology Bombay（孟买印度理工学院） ； School of Computer Science（计算机科学学院） ； University of Petroleum and Energy Studies（石油与能源研究大学） ； Industrial Engineering and Operations Research（工业工程与运筹学） 纠错

AI总结 本文研究了去中心化多智能体随机最短路径问题，通过线性函数逼近提出首个遗憾下界，揭示了该问题的学习难度。

Comments To appear in 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Efficient Training-Free Online Routing for High-Volume Multi-LLM Serving

高吞吐量多LLM服务的高效无训练在线路由

Fangzhou Wu, Sandeep Silwal

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出一种无训练的高效在线路由算法，通过近似最近邻搜索和一次优化，提升多LLM服务的吞吐量、成本效率和整体性能。

Comments NeurIPS 2025

Multipole Attention for Efficient Long Context Reasoning

多重注意力机制用于高效长上下文推理

Coleman Hooper, Sebastian Zhao, Luca Manolache, Sehoon Kim, Michael W. Mahoney, Yakun Sophia Shao, Kurt Keutzer, Amir Gholami

机构 * University of California, Berkeley（加州大学伯克利分校） ； ICSI ； LBNL（劳伦斯伯克利国家实验室） 纠错

AI总结 多重注意力机制通过精确计算重要标记的注意力并近似其余标记，提升长上下文推理效率。

Comments 15 pages

Journal ref NeurIPS 2025

Generative Graph Pattern Machine

生成图模式机

Zehong Wang, Zheyuan Zhang, Tianyi Ma, Chuxu Zhang, Yanfang Ye

机构 * University of Notre Dame（诺丁汉大学） ； University of Connecticut（康涅狄格大学） 纠错

AI总结 生成图模式机通过生成Transformer预训练框架，实现图学习的可扩展性，优于现有方法，在多种任务中表现优异。

Comments Accepted by NeurIPS 2025