期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
深度强化学习中的高阶动作正则化：从连续控制到建筑能耗管理
机构 * Centre for Computational Science and Mathematical Modelling（计算科学与数学建模中心） ； Coventry University（科文特大学）
AI总结 本研究提出高阶动作正则化方法，通过优化连续控制和建筑能耗管理，实现更平滑的动作策略，减少设备切换并提升实际应用效果。
Comments 6 pages, accepted at NeurIPS workshop 2025
SpatialBench: 聊聊智能体能否分析真实世界的空间生物学数据？
机构 * LatchBio
AI总结 SpatialBench通过146个可验证问题评估智能体分析真实世界空间生物学数据的能力，揭示了模型性能受设计和平台影响显著，需进一步优化工具与流程。
Comments 10 pages, 9 figures, 4 tables; NeurIPS 2024 format
CADMorph: 通过计划-生成-验证循环实现几何驱动的参数化CAD编辑
机构 * Fudan University（复旦大学） ； Microsoft Research, Asia（微软亚洲研究院） ； University of Toronto（多伦多大学）
AI总结 CADMorph通过计划-生成-验证循环实现几何驱动的参数化CAD编辑，利用预训练模型在数据稀少情况下保持结构、语义和形状保真度，超越现有方法并支持下游应用。
Comments NeurIPS 2025
人脑作为组合复形
机构 * Tilburg University（蒂尔堡大学） ； PolyShape Greece（PolyShape希腊）
AI总结 本文提出一种基于fMRI数据构建组合复形的框架，通过信息论度量捕捉神经交互，连接拓扑深度学习与神经科学。
Comments Accepted as an Extended Abstract at the NeurReps Workshop, NeurIPS 2025
通过缓解分数函数奇异性和改进欧几里得扩散生成流形数据
机构 * Center for Data Science, Peking University（北京大学数据科学中心） ； Zuse Institute Berlin（柏林泽尼茨研究所） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； LMAM and School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文提出Niso-DM和Tango-DM方法，通过缓解分数函数的奇异性和改进欧几里得扩散生成流形数据的准确性。
Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
大规模市场均衡计算的量子算法
AI总结 本研究提出一种量子算法，用于高效计算大规模市场均衡，实现多项式加速并保持相同优化目标。
Comments Updated to match published version; 15+8 pages, 1 figure
Journal ref Advances in Neural Information Processing Systems 37, 10878-10907 (2024)
LabelAny3D: 在真实世界中标注任意物体的3D
机构 * University of Virginia（弗吉尼亚大学）
AI总结 LabelAny3D通过分析-合成框架生成高质量3D标注，提升单目3D检测性能，推动真实世界3D识别发展。
Comments NeurIPS 2025. Project page: https://uva-computer-vision-lab.github.io/LabelAny3D/
激进压缩使大语言模型权重窃取成为可能
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Center for AI Safety（人工智能安全中心）
AI总结 本文研究了通过压缩使大语言模型权重窃取风险增加的问题，提出通过放松解压缩约束来提升窃取效率，并探讨了三种防御方法以降低窃取风险。
Comments An early version of this work was presented at the SoLAR Workshop at NeurIPS 2024
用Transformer生成钢琴音乐：尺度、数据和度量的比较研究
机构 * RWTH Aachen University（亚琛工业大学） ； University of Washington（华盛顿大学）
AI总结 本文通过比较不同数据集、模型架构和训练策略，探讨了使用Transformer生成钢琴音乐时，模型规模和度量标准对生成质量的影响。
Comments NeurIPS 2025 Workshop on AI for Music
InfMasking：通过对比多模态交互释放协同信息
机构 * School of Computing and Artificial Intelligence（计算与人工智能学院） ； Engineering Research Center of Intelligent Finance Ministry of Education（教育部长智能金融工程研究中心） ； Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Artificial Intelligence Innovation and Incubation Institute Fudan University（复旦大学人工智能创新与孵化院） ； Artificial Intelligence and Digital Finance Key Laboratory of Sichuan Province（四川省人工智能与数字金融重点实验室）
AI总结 InfMasking通过无限遮蔽策略增强多模态协同信息提取，实现多模态表示学习中的协同信息优化与性能提升。
Comments Conference on Neural Information Processing Systems (NeurIPS) 2025 (Spotlight)
基于可识别的时间-瞬时表示的LLM可解释性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出了一种针对LLM高维概念空间的可识别时间因果表示学习框架，通过结合SAE技术，提升了LLM的可解释性。
Comments NeurIPS 2025
GTPBD：一种细粒度的全球梯田地块和边界数据集
机构 * Sun Yat-Sen University（中山大学） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Southwest Jiaotong University（西南交通大学） ； China Agricultural University（中国农业大学）
AI总结 本文提出GTPBD数据集，用于细粒度梯田地块分析，涵盖全球多地形区域，支持语义分割、边缘检测、地块提取及无监督领域适应等任务。
Comments 40 pages, 40 figures, Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
EMLoC：基于模拟器的内存高效微调与LoRA校正
机构 * Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通信工程研究所） ； NVIDIA
AI总结 EMLoC通过基于模拟器的内存高效微调与LoRA校正，实现大模型在有限内存下高效适应不同任务的需求。
Comments Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Project page: https://hsi-che-lin.github.io/EMLoC/
RoboRefer: 向视觉语言模型在机器人中的空间指称推理迈进
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 RoboRefer通过整合深度编码器和强化微调方法，实现了视觉语言模型在机器人中的空间指称推理，提升了复杂场景下的交互能力。
Comments Accepted by NeurIPS 2025. Project page: https://zhoues.github.io/RoboRefer/
学习重复不变的表示以用于聚合物信息学
机构 * University of Notre Dame（诺丁汉大学）
AI总结 GRIN通过图重复不变性方法，学习聚合物结构的稳定表示，克服了现有方法在处理不同单元数量时的不一致性问题。
Comments Accepted to NeurIPS 2025
世界模型在线模仿学习中的耦合分布随机专家蒸馏
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Hillbot（Hillbot公司） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本研究提出一种基于随机网络蒸馏的耦合分布随机专家蒸馏方法，用于提升世界模型在线模仿学习的稳定性与性能。
Comments NeurIPS 2025 Workshop of Embodied World Models; Code Available at: https://github.com/TobyLeelsz/CDRED-WM
CAT：用于亚二次变换器的圆卷积注意力
机构 * Preferred Networks
AI总结 CAT通过圆卷积和傅里叶变换实现亚二次复杂度的注意力机制，提升效率并减少参数量，适用于更长序列的变换器应用。
Comments Accepted as a poster at NeurIPS 2025
带宽和延迟反馈在在线结构预测中的应用
AI总结 本文提出带宽和延迟反馈算法，解决了在线结构预测中反馈信息有限的问题，通过改进的估计方法实现更优的遗憾界限。
Comments 43 pages, Accepted in NeurIPS 2025
LearnAD: 通过学习可解释规则来识别阿尔茨海默病分类中的脑网络
机构 * Department of Computing（计算系） ； Imperial College London（伦敦帝国学院） ； School of Public Health（公共卫生学院）
AI总结 LearnAD通过学习可解释的规则，实现了在阿尔茨海默病分类中识别脑网络的高可解释性方法。
Comments NeurIPS 2025, Data on the Brain & Mind Workshop
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈