NeurIPS

Decoding Predictive Inference in Visual Language Processing via Spatiotemporal Neural Coherence

通过时空神经一致性解码视觉语言处理中的预测推断

Sean C. Borneman, Julia Krebs, Ronnie B. Wilbur, Evie A. Malaia

机构 * Department of Physics（物理系） ； Carnegie-Mellon University（卡内基梅隆大学） ； Department of Linguistics（语言学系） ； University of Salzburg（萨尔茨堡大学） ； Purdue University（普渡大学） ； University of Alabama（阿拉巴马大学） ； Department of Communicative Disorders（沟通障碍系） 纠错

AI总结 本研究通过时空神经一致性方法解码聋人手语使用者在动态视觉语言处理中的预测推断，揭示了语言理解中左侧半球和前额低频相干性的重要性，并展示了经验驱动的感知生成模型的多模态探测方法。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Foundation Models for the Brain and Body

Hardware-Algorithm Co-Design for Hyperdimensional Computing Based on Memristive System-on-Chip

基于忆阻系统级芯片的超维计算硬件-算法协同设计

Yi Huang, Alireza Jaberi Rad, Qiangfei Xia

AI总结 本文提出了一种基于忆阻系统级芯片的超维计算硬件-算法协同设计方法，通过利用忆阻交叉bar阵列的随机性与面向硬件的编码技术，实现了在边缘设备上的高效能AI应用。

Comments This work was previously presented at the NeurIPS 2024 Workshop on Machine Learning with New Compute Paradigms (MLNCP)

Reasoning Relay: Evaluating Stability and Interchangeability of Large Language Models in Mathematical Reasoning

推理中继：评估大型语言模型在数学推理中的稳定性与可替换性

Leo Lu, Jonathan Zhang, Sean Chua, Spencer Kim, Kevin Zhu, Sean O'Brien, Vasu Sharma

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Binghamton University（宾夕法尼亚州立大学布林茅尔分校） ； University of Toronto（多伦多大学） ； UC Berkeley（加州大学伯克利分校） ； Algoverse 纠错

AI总结 本研究探讨大型语言模型在数学推理中的稳定性与可替换性，通过评估不同模型间推理链的延续性，揭示推理过程的可靠性和一致性。

Comments NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models (ResponsibleFM)

RSCC: A Large-Scale Remote Sensing Change Caption Dataset for Disaster Events

RSCC：一种大规模遥感变化描述数据集用于灾害事件

Zhenyuan Chen, Chenxi Wang, Ningyu Zhang, Feng Zhang

机构 * School of Earth Sciences, Zhejiang University（浙江大学地球科学学院） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Zhejiang Provincial Key Laboratory of Geographic Information Science（浙江省地理信息科学重点实验室） ； Key Laboratory of Spatio-temporal Information and Intelligent Services (LSIIS), Ministry of Natural Resources of the People’s Republic of China（国家自然资源部空间时空信息与智能服务重点实验室） 纠错

AI总结 RSCC数据集通过提供大规模遥感图像对和详细变化描述，提升视觉-语言模型在灾害事件双时间理解中的性能和应用能力。

Comments Accepted by NeurIPS 2025 Dataset and Benchmark Track

A study of EHVI vs fixed scalarization for molecule design

对EHVI与固定标量化在分子设计中的研究

Anabel Yong, Austin Tripp, Layla Hosseini-Gerami, Brooks Paige

机构 * Valence Labs（Valence实验室） ； University of Cambridge（剑桥大学） 纠错

AI总结 本研究比较了EHVI与标量化方法在分子设计中的表现，发现EHVI在帕累托前沿覆盖、收敛速度和化学多样性方面更优，尤其在低数据情况下表现突出。

Comments Accepted to NeurIPS AI4Science Workshop 2025

Alternating Gradient Flows: A Theory of Feature Learning in Two-layer Neural Networks

交替梯度流：两层神经网络中特征学习的理论

Daniel Kunin, Giovanni Luca Marchetti, Feng Chen, Dhruva Karkada, James B. Simon, Michael R. DeWeese, Surya Ganguli, Nina Miolane

机构 * Stanford University（斯坦福大学） ； KTH（皇家理工学院） ； UC Berkeley（加州大学伯克利分校） ； Imbue（Imbue公司） ； UC Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

AI总结 AGF理论框架揭示了两层神经网络中特征学习的动力学，通过交替梯度过程解释特征获取与损失下降的机制，并统一扩展了线性网络和注意力模型中的分析。

Comments 40 pages, 8 figures, NeurIPS 2025

Rethinking Direct Preference Optimization in Diffusion Models

重新思考扩散模型中的直接偏好优化

Junyong Kang, Seohyun Lim, Kyungjune Baek, Hyunjung Shim

AI总结 本文提出了一种改进扩散模型偏好优化的方法，通过稳定参考模型更新和时间步感知训练策略，提升模型在人类偏好评估中的性能。

Comments Accepted by SPIGM@NeurIPS 2025 and AAAI-26 (Oral)

Intrinsic Benefits of Categorical Distributional Loss: Uncertainty-aware Regularized Exploration in Reinforcement Learning

类别分布损失的内在优势：强化学习中的不确定性感知正则化探索

Ke Sun, Yingnan Zhao, Enze Shi, Yafei Wang, Xiaodong Yan, Bei Jiang, Linglong Kong

机构 * University of Alberta, Canada（阿尔伯塔大学） ； Harbin Engineering University, China（哈尔滨工程大学） ； Xi’an Jiaotong University, China（西安交通大学） 纠错

AI总结 本文提出了一种基于类别分布损失的不确定性感知正则化方法，通过增强奖励信号提升强化学习的探索效率。

Comments NeurIPS 2025; Previous Version in ICML Workshop: Exploration in AI Today (EXAIT) 2025