NeurIPS

BlurDM: A Blur Diffusion Model for Image Deblurring

BlurDM: 一种用于图像去模糊的模糊扩散模型

Jin-Ting He, Fu-Jen Tsai, Yan-Tsung Peng, Min-Hung Chen, Chia-Wen Lin, Yen-Yu Lin

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； National Tsing Hua University（国立清华大学） ； National Chengchi University（国立成功大学） ； NVIDIA（英伟达） 纠错

AI总结 BlurDM通过双扩散方案整合模糊形成过程，实现图像去模糊，提升去模糊效果。

Comments NeurIPS 2025. Project Page: https://jin-ting-he.github.io/BlurDM/

ReinFlow: Fine-tuning Flow Matching Policy with Online Reinforcement Learning

ReinFlow：基于在线强化学习的流匹配策略微调

Tonghe Zhang, Chao Yu, Sichang Su, Yu Wang

AI总结 ReinFlow通过在线强化学习微调流匹配策略，提升连续机器人控制性能，实现高效去噪与训练稳定性。

Comments 38 pages

Journal ref Published in The Thirty-Ninth Annual Conference on Neural Information Processing Systems, 2025

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models

突破生成模型的采样瓶颈：通过扩散语言模型实现可证明的加速

Gen Li, Changxiao Cai

机构 * Department of Statistics and Data Science, Chinese University of Hong Kong, Hong Kong（统计与数据科学系，香港中文大学） ； Department of Industrial and Operations Engineering, University of Michigan, Ann Arbor, USA（工业与运营管理系，密歇根大学） 纠错

AI总结 本文从信息论角度为扩散语言模型提供收敛保证，证明采样误差随迭代次数减少而降低，从而突破自回归模型所需的L步瓶颈，为生成高质量样本提供理论支持。

Comments This is the full version of a paper published at NeurIPS 2025

Faster Differentially Private Top-$k$ Selection: A Joint Exponential Mechanism with Pruning

更快的差分隐私Top-k选择：一种联合指数机制与剪枝

Hao WU, Hanwen Zhang

AI总结 本文提出了一种更高效的差分隐私Top-k选择算法，通过联合指数机制与剪枝技术，在保证隐私的前提下提升计算效率。

Comments NeurIPS 2024

Do LLMs Benefit from User and Item Embeddings in Recommendation Tasks?

在推荐任务中，大语言模型是否受益于用户和物品嵌入？

Mir Rayat Imtiaz Hossain, Leo Feng, Leonid Sigal, Mohamed Osama Ahmed

机构 * University of British Columbia（不列颠哥伦比亚大学） ； RBC Borealis 纠错

AI总结 本文提出通过投影用户和物品嵌入到LLM token空间，提升推荐性能，实现传统推荐系统与LLM的结合。

Comments Presented in Multimodal Algorithmic Reasoning Workshop at NeurIPS 2025

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation

3D-Agent：三模态多智能体协作用于可扩展的3D物体标注

Jusheng Zhang, Yijia Fan, Zimo Wen, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司） 纠错

AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度

Comments Accepted at NeurIPS 2025

Collective Narrative Grounding: Community-Coordinated Data Contributions to Improve Local AI Systems

集体叙事 grounding：社区协调的数据贡献以改进本地 AI 系统

Zihan Gao, Mohsin Y. K. Yousufi, Jacob Thebault-Spieker

机构 * Information Science University of Wisconsin-Madison（信息科学大学威斯康星大学麦迪逊分校） ； Digital Media Georgia Tech（数字媒体佐治亚理工学院） 纠错

AI总结 本文提出集体叙事 grounding 协议，通过社区协调的数据贡献，改进本地 AI 系统，解决社区特定查询的问答问题。

Comments 9 pages, 2 figures, Presented at the NeurIPS 2025 ACA Workshop accepted-papers.html" target="_blank" rel="noopener">https://acaworkshop.github.io/accepted-papers.html,

DermaCon-IN: A Multi-concept Annotated Dermatological Image Dataset of Indian Skin Disorders for Clinical AI Research

DermaCon-IN：一个包含印度皮肤疾病多概念标注的皮肤病图像数据集，用于临床AI研究

Shanawaj S Madarkar, Mahajabeen Madarkar, Madhumitha Venkatesh, Deepanshu Bansal, Teli Prakash, Konda Reddy Mopuri, Vinaykumar MV, KVL Sathwika, Adarsh Kasturi, Gandla Dilip Raj, PVN Supranitha, Harsh Udai

机构 * Department of Artificial Intelligence, Indian Institute of Technology Hyderabad, India（人工智能系，印度理工学院海得拉巴学院，印度） ； Indian Navy（印度海军） ； Department of Dermatology, S R Patil Medical College, India（皮肤科系，S R Patil医学院，印度） ； Department of Dermatology, S Nijalingappa Medical College, India（皮肤科系，S Nijalingappa医学院，印度） ； Department of Dermatology, Sri Chamundeshwari Medical College, Hospital & Research, India（皮肤科系，Sri Chamundeshwari医学院，医院及研究，印度） ； Indian Institute of Technology Hyderabad, India（印度理工学院海得拉巴学院，印度） 纠错

AI总结 DermaCon-IN是一个包含印度皮肤疾病多概念标注的皮肤病图像数据集，用于临床AI研究，旨在提供可扩展且具有代表性的基础，推动皮肤病AI的发展。

Comments Accepted at NeurIPS 2025 (D&B Track)

Exploring the limits of strong membership inference attacks on large language models

探索对大型语言模型的强大成员推断攻击的极限

Jamie Hayes, Ilia Shumailov, Christopher A. Choquette-Choo, Matthew Jagielski, George Kaissis, Milad Nasr, Sahra Ghalebikesabi, Meenatchi Sundaram Mutu Selva Annamalai, Niloofar Mireshghallah, Igor Shilov, Matthieu Meeus, Yves-Alexandre de Montjoye, Katherine Lee, Franziska Boenisch, Adam Dziedzic, A. Feder Cooper

机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院） ； University of Washington（华盛顿大学） ； Imperial College London（伦敦帝国学院） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍兹中心） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本研究通过扩展LiRA攻击至GPT-2模型，揭示了强成员推断攻击在大型语言模型上的有效性及局限性，发现其在实际应用中仍存在显著的AUC限制和决策不稳定问题。

Comments NeurIPS 2025