NeurIPS

Look-Ahead Reasoning on Learning Platforms

学习平台上的前瞻性推理

Haiqing Zhu, Tijana Zrnic, Celestine Mendler-Dünner

机构 * Australian National University（澳大利亚国立大学） ； Stanford University（斯坦福大学） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

AI总结 本文探讨了学习平台中用户行为的前瞻性推理，分析了集体推理与自私行为的差异，并提出了协调效用权衡的新概念。

Comments published at NeurIPS 2025

AlignDP: Hybrid Differential Privacy with Rarity-Aware Protection for LLMs

AlignDP: 用于大语言模型的混合差分隐私与稀有性感知保护

Madhava Gaikwad

机构 * Microsoft（微软） 纠错

AI总结 AlignDP通过混合差分隐私与稀有性感知保护，有效阻止大语言模型的知识转移，通过PAC和RAPPOR技术实现稀有和非稀有字段的隐私保护。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: LOCK-LLM Work-shop, NeurIPS 2025

LUMIA: A Handheld Vision-to-Music System for Real-Time, Embodied Composition

LUMIA: 一种用于实时具身创作的手持视觉到音乐系统

Chung-Ta Huang, Connie Cheng, Vealy Lai

AI总结 LUMIA通过视觉到音乐的实时具身创作系统，将环境互动与生成式AI结合，实现基于感知的即兴音乐创作。

Comments 6 pages, 15 pages with appendix, NeurIPS 2025 Creative AI track

DGH: Dynamic Gaussian Hair

DGH: 动态高斯发

Junying Wang, Yuanlu Xu, Edith Tretschk, Ziyan Wang, Anastasia Ianina, Aljaz Bozic, Ulrich Neumann, Tony Tung

机构 * University of Southern California（南加州大学） ； Meta Reality Labs（Meta现实实验室） 纠错

AI总结 DGH通过数据驱动的方法高效学习头发的动力学和外观，实现逼真可动画的头发效果，为高保真虚拟人物建模提供新的解决方案。

Comments Accepted by NeurIPS 2025. Project page: https://junyingw.github.io/paper/dgh

Fully Dynamic Algorithms for Chamfer Distance

动态环境下计算点集的偏移距离算法

Gramoz Goranci, Shaofeng Jiang, Peter Kiss, Eva Szilagyi, Qiaoyuan Yang

AI总结 本文提出了一种在动态环境下维护点集偏移距离近似的算法，基于ℓ_p范数（p=1,2）实现高效更新，适用于机器学习等实际应用。

Comments NeurIPS 2025

Discovering Latent Graphs with GFlowNets for Diverse Conditional Image Generation

利用GFlowNets发现潜在图以实现多样化的条件图像生成

Bailey Trang, Parham Saremi, Alan Q. Wang, Fangrui Huang, Zahra TehraniNasab, Amar Kumar, Tal Arbel, Li Fei-Fei, Ehsan Adeli

机构 * Dept. of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Dept. of Psychiatry and Behavioral Sciences, Stanford University（精神病学与行为科学系，斯坦福大学） ； Dept. of Biomedical Data Science, Stanford University（生物医学数据科学系，斯坦福大学） ； Center for Intelligent Machines, McGill University（智能机器中心，麦吉尔大学） ； MILA - Quebec AI institute（魁北克人工智能研究所） 纠错

AI总结 Rainbow通过分解输入条件为多样化的潜在表示，利用GFlowNets生成多样化图像，提升条件图像生成的多样性和保真度。

Journal ref The 39th Annual Conference on Neural Information Processing Systems 2025

A Practical Guide for Incorporating Symmetry in Diffusion Policy

在扩散策略中融入对称性的实用指南

Dian Wang, Boce Hu, Shuran Song, Robin Walters, Robert Platt

机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出在扩散策略中融入对称性的实用方法，通过不变表示、等变视觉编码器和对称特征提取提升策略性能，实现高效且简单的实现。

Comments NeurIPS 2025

On Agnostic PAC Learning in the Small Error Regime

关于小误差范围内的无偏PAC学习

Julian Asilis, Mikael Møller Høgsgaard, Grigoris Velegkas

AI总结 本文提出了一种在小误差范围内实现无偏PAC学习的学习器，其误差上界与理论下界一致，并展示了计算效率和聚合ERM分类器的方法。

Comments 36 pages, NeurIPS 2025