NeurIPS

Shift-Aware Gaussian-Supremum Validation for Wasserstein-DRO CVaR Portfolios

面向位移的高斯-上界验证用于Wasserstein-DRO CVaR投资组合

Derek Long

AI总结 本文提出面向位移的高斯-上界验证框架，用于Wasserstein-DRO CVaR投资组合，通过生成候选路径和加权CVaR估计，提升收益-风险权衡。

Comments NeurIPS 2025 Workshop: Generative AI in Finance

Associative Syntax and Maximal Repetitions reveal context-dependent complexity in fruit bat communication

关联语法与最大重复揭示果蝠交流中的情境依赖复杂性

Luigi Assom

机构 * Alumnus, Department of Computer and Systems Sciences, Stockholm University（校友，计算机与系统科学系，斯德哥尔摩大学） 纠错

AI总结 本研究通过分析果蝠叫声的关联语法和最大重复，揭示情境依赖的交流复杂性，表明冲突情境中信息压缩性较低。

Comments Accepted for a lightning talk at the NeurIPS 2025 Workshop: "AI for Non-Human Animal Communication"

Breaking the Performance Ceiling in Reinforcement Learning requires Inference Strategies

在强化学习中突破性能极限需要推理策略

Felix Chalumeau, Daniel Rajaonarivonivelomanantsoa, Ruan de Kock, Claude Formanek, Sasha Abramowitz, Oumayma Mahjoub, Wiem Khlifi, Simon Du Toit, Louay Ben Nessir, Refiloe Shabe, Noah De Nicola, Arnol Fokam, Siddarth Singh, Ulrich Mbou Sob, Arnu Pretorius

机构 * InstaDeep ； Stellenbosch University（斯坦陵博斯大学） 纠错

AI总结 本研究通过引入推理策略在执行时间突破复杂多智能体强化学习的性能极限，实现17个任务中高达126%的性能提升。

Comments Neurips '25 version (post conference)

A Token is Worth over 1,000 Tokens: Efficient Knowledge Distillation through Low-Rank Clone

一个标记值超过1000个标记：通过低秩克隆实现高效的知识蒸馏

Jitai Hao, Qiang Huang, Hao Liu, Xinyan Xiao, Zhaochun Ren, Jun Yu

机构 * School of Intelligence Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学智能科学与工程学院） ； Baidu Inc.（百度公司） ； Leiden University（莱顿大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 本文提出低秩克隆方法，通过高效预训练实现小语言模型在训练效率和性能上的突破。

Comments NeurIPS 2025 Spotlight

Bandits with Preference Feedback: A Stackelberg Game Perspective

带有偏好反馈的多臂问题：从Stackelberg博弈视角出发

Barna Pásztor, Parnian Kassraie, Andreas Krause

机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） 纠错

AI总结 本文提出MAXMINLCB算法，通过Stackelberg博弈框架解决无限域和非线性奖励下的多臂问题，实现最优后悔保证和优越性能。

Comments In Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS), 30 pages, 8 figures

Surrogate Neural Architecture Codesign Package (SNAC-Pack)

代理神经架构协同设计包（SNAC-Pack）

Jason Weitz, Dmitri Demler, Benjamin Hawks, Nhan Tran, Javier Duarte

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） 纠错

AI总结 SNAC-Pack通过多目标优化提升FPGA部署效率，实现高精度与资源利用率的平衡。

Comments NeurIPS 2025 Machine Learning and the Physical Sciences Workshop, 8 pages, 4 figures, 3 tables

BarcodeMamba+: Advancing State-Space Models for Fungal Biodiversity Research

BarcodeMamba+: 推动真菌生物多样性研究的state-space模型

Tiancheng Gao, Scott C. Lowe, Brendan Furneaux, Angel X Chang, Graham W. Taylor

机构 * University of Guelph（圭尔夫大学） ； Vector Institute（向量研究所） ； University of Jyväskylä（耶夫斯克耶拉大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Amii（阿米国际） 纠错

AI总结 BarcodeMamba+通过高效state-space模型提升真菌分类性能，克服数据稀疏与长尾分布挑战，实现多层级分类优势。

Comments 11 pages, accepted at the 3rd Workshop on Imageomics: Discovering Biological Knowledge from Images Using AI (NeurIPS 2025)

FedSight AI: Multi-Agent System Architecture for Federal Funds Target Rate Prediction

FedSight AI：用于联邦基金目标利率预测的多智能体系统架构

Yuhan Hou, Tianji Rao, Jeremy Tan, Adler Viton, Xiyue Zhang, David Ye, Abhishek Kodi, Sanjana Dulam, Aditya Paul, Yikai Feng

机构 * Duke University（杜克大学） ； BNY AI Hub 纠错

AI总结 FedSight AI通过多智能体框架和Chain-of-Draft扩展，利用大型语言模型预测联邦基金利率，实现高准确率和稳定性，优于现有基线模型。

Comments NeurIPS 2025 Generative AI in Finance Workshop

Who is In Charge? Dissecting Role Conflicts in Instruction Following

谁在掌控？解析指令遵循中的角色冲突

Siqi Zeng

机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 研究揭示大型语言模型在指令遵循中存在角色冲突，通过机制分析发现系统-用户冲突与社会冲突的不同处理方式，并强调了对齐方法的重要性。

Comments 12 pages, 5 figures, Mech Interp Workshop (NeurIPS 2025) Poster

GeoGraph: Geometric and Graph-based Ensemble Descriptors for Intrinsically Disordered Proteins

GeoGraph: 基于几何和图的集成描述符用于内在无序蛋白质

Eoin Quinn, Marco Carobene, Jean Quentin, Sebastien Boyer, Miguel Arbesú, Oliver Bent

机构 * InstaDeep 纠错

AI总结 GeoGraph通过结合几何和图方法，从序列预测内在无序蛋白质的构象集合统计信息，提升对关键生物物理性质的预测能力。

Comments Accepted at AI4Science and ML4PS NeurIPS Workshops 2025. v2: comparison with Human-IDRome model and link to github added

Generation-Time vs. Post-hoc Citation: A Holistic Evaluation of LLM Attribution

生成时间与事后引用：对大语言模型归属的全面评估

Yash Saxena, Raviteja Bommireddy, Ankur Padia, Manas Gaur

机构 * UMBC（美国马里兰大学伯克利分校） ； IIITDM（印度印度理工学院迪瓦德分校） 纠错

AI总结 本文评估了生成时间引用与事后引用在大语言模型归属中的性能差异，发现P-Cite在覆盖和正确性上表现更优，而G-Cite更适用于精度要求高的场景。

Comments NeurIPS 2025 LLM Evaluation Workshop

On the Robustness of Verbal Confidence of LLMs in Adversarial Attacks

大语言模型在对抗攻击下的语言自信度鲁棒性研究

Stephen Obadinma, Xiaodan Zhu

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Ingenuity Labs Research Institute（创新实验室研究所） ； Queen’s University（皇后大学） 纠错

AI总结 本文研究了大语言模型在对抗攻击下的语言自信度鲁棒性，发现现有防御技术效果有限，需设计更稳健的自信表达机制。

Comments Published in NeurIPS 2025

Do Neural Networks Need Gradient Descent to Generalize? A Theoretical Study

神经网络是否需要梯度下降来泛化？一项理论研究

Yotam Alexander, Yonatan Slutzky, Yuval Ran-Milo, Nadav Cohen

机构 * Some Institute（某些研究所） 纠错

AI总结 本文理论研究了神经网络在无梯度下降情况下泛化能力的变化，发现宽度增加时泛化能力下降，而深度增加时泛化能力提高，挑战了传统观点。

Comments Accepted to NeurIPS 2025

Reinforcement Learning Finetunes Small Subnetworks in Large Language Models

强化学习在大型语言模型中微调小型子网络

Sagnik Mukherjee, Lifan Yuan, Dilek Hakkani-Tur, Hao Peng

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 强化学习在大型语言模型中通过微调小型子网络显著提升性能，且该子网络更新稀疏性源于数据分布和正则化技术的影响。

Comments NeuRIPS 2025

Preference-Guided Diffusion for Multi-Objective Offline Optimization

基于偏好的扩散模型用于多目标离线优化

Yashas Annadani, Syrine Belakaria, Stefano Ermon, Stefan Bauer, Barbara E Engelhardt

机构 * TU Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Helmholtz AI（海德堡人工智能研究所） ； Gladstone Institutes（加利福尼亚大学旧金山分校格拉德石研究所） 纠错

AI总结 本文提出基于偏好的扩散模型，用于生成多目标离线优化中的帕累托最优解，通过引入多样性感知的偏好引导，提升生成解的质量与分布性。

Comments Accepted in NeurIPS (2025)

Fine-Tuning Discrete Diffusion Models with Policy Gradient Methods

使用策略梯度方法微调离散扩散模型

Oussama Zekri, Nicolas Boullé

AI总结 本文提出SEPO算法，用于高效微调离散扩散模型，通过理论支持和实验验证展示了其在非可微奖励下的有效性。

Comments 33 pages, 8 figures, 8 tables

Journal ref NeurIPS 2025

Provable Ordering and Continuity in Vision-Language Pretraining for Generalizable Embodied Agents

可证明的视觉-语言排序与连续性在通用化具身体验代理中的预训练

Zhizhen Zhang, Lei Zhu, Zhen Fang, Zi Huang, Yadan Luo

机构 * The University of Queensland（昆士兰大学） ； Tongji University（同济大学） ； University of Technology Sydney（悉尼科技大学） 纠错

AI总结 本文提出AcTOL方法，通过对比帧间语义差异和局部布朗桥约束，实现有序且连续的视觉-语言表示，提升具身体验代理在不同指令风格下的鲁棒性。

Comments NeurIPS 2025 Poster

DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs

DyG-Mamba：动态图上的连续状态空间建模

Dongyuan Li, Shiyin Tan, Ying Zhang, Ming Jin, Shirui Pan, Manabu Okumura, Renhe Jiang

机构 * The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进情报项目中心） ； Griffith University（格里菲斯大学） 纠错

AI总结 DyG-Mamba通过将动态图建模转化为长期序列建模问题，利用遗忘曲线和复习周期机制，提升模型在动态图任务中的性能与效率。

Comments Accepted by NeurIPS 2025

Models That Prove Their Own Correctness

能证明自身正确性的模型

Noga Amit, Shafi Goldwasser, Orr Paradise, Guy Rothblum

机构 * UC Berkeley（伯克利大学） ； Apple（苹果公司） 纠错

AI总结 本文提出Self-Proving模型，通过交互证明技术确保模型输出的正确性，并设计了两种学习方法。

Comments NeurIPS 2025