期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
通过世界模型进行Bootstrap离策略学习
机构 * College of AI & School of Vehicle and Mobility, Tsinghua University（人工智能学院与车辆与移动系统学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校）
AI总结 BOOM通过整合规划与离策略学习，利用世界模型和无参数动作分布提升策略性能，在高维控制任务中实现训练稳定性和最终性能的突破。
Comments NeurIPS 2025
曲率调节：从单个参数出发的可证明无训练模型操控方法
机构 * Brown University（布朗大学） ； KTH Royal Institute of Technology（皇家理工学院）
AI总结 曲率调节通过单个超参数调节模型决策边界，提升模型泛化与鲁棒性。
Comments Accepted at NeurIPS 2025
VQ-Seg: 基于向量量化令牌扰动的半监督医学图像分割
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 VQ-Seg通过向量量化和量化扰动模块提升半监督医学图像分割性能，有效解决传统dropout正则化问题。
Comments Accepted by NeurIPS 2025
未标记数据可以证明性地增强Transformer的上下文学习
机构 * University of Virginia（弗吉尼亚大学）
AI总结 本文提出了一种增强ICL框架，通过结合标记和未标记数据，利用CoT提示使Transformer模拟EM算法，从而证明性地提升ICL性能。
Comments Published as a conference paper at NeurIPS 2025
可持续的人工智能经济需要能够为生成者服务的数据协议
AI总结 本文提出公平的数据价值交换框架，旨在解决机器学习价值链条中数据生成者的经济不平等问题。
Comments Published at NeurIPS 2025 (https://neurips.cc/virtual/2025/loc/san-diego/poster/121926)
语言模型是高效的推理者吗？从逻辑编程的角度看
机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所） ； EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） ； Purdue University（普渡大学）
AI总结 本文从逻辑编程角度评估语言模型的推理效率，发现其在存在无关信息时推理能力下降，生成证明常包含不必要的推理步骤。
Comments NeurIPS 2025
无需增强学习：通过帧投影实现无监督时间序列表示学习
AI总结 本文提出一种通过帧投影生成视图的无监督时间序列表示学习方法，无需数据增强即可提升性能，适用于多个时间序列任务。
Comments Published at the Conference on Neural Information Processing Systems (NeurIPS) 2025
CodeAssistBench (CAB): 用于多轮聊天式代码协助的数据库与基准测试
机构 * AWS AI Labs（AWS人工智能实验室）
AI总结 CodeAssistBench首次提出多轮、项目导向的编程协助基准测试，揭示当前LLM在真实项目情境中的性能差距。
Comments Accepted to NeurIPS 2025 Datasets and Benchmarks Track
通过双分数匹配学习归一化图像密度
机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； Flatiron Institute, Simons Foundation（Flatiron研究所，Simons基金会） ； New York University（纽约大学）
AI总结 本文提出通过双分数匹配学习归一化图像密度模型，实现能量的一致性和归一化，并在ImageNet64上取得与当前最佳相当的性能。
Journal ref The Thirty-Ninth Annual Conference on Neural Information Processing Systems, 2025
自编码随机森林
机构 * King’s College London（伦敦国王学院） ； Leibniz Institute for Prevention Research and Epidemiology – BIPS（莱比锡预防研究与流行病学研究所） ； University of Bremen（不来梅大学）
AI总结 本文提出基于随机森林的自编码方法，通过低维嵌入和解码技术实现数据压缩与重构，适用于多种数据类型，提升可视化和聚类效果。
Comments 10 pages main text, 27 pages total. 9 figures, 4 tables. To be published in proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
GraLoRA: 颗粒化低秩适应用于参数高效微调
机构 * SqueezeBits ； POSTECH
AI总结 GraLoRA通过颗粒化低秩适应提升参数高效微调效果，实现比LoRA更高的准确性和鲁棒性。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
具有跳跃的连续时间随机控制的深度学习
机构 * ETH Zurich（苏黎世联邦理工学院） ； LIDAM-ISBA UCLouvain（列日大学LIDAM-ISBA）
AI总结 本文提出了一种基于深度学习的连续时间随机控制方法，通过训练两个神经网络来解决具有跳跃的随机控制问题，并展示了其在复杂高维任务中的有效性。
Comments NeurIPS 2025
为何知识蒸馏在生成模型中有效：一个最小可行解释
机构 * New York University（纽约大学） ； Genentech（基因泰克）
AI总结 本文通过模拟和实验揭示了知识蒸馏在生成模型中通过精度与召回权衡提升生成质量的机制。
Comments NeurIPS 2025 camera ready version
RTV-Bench: 通过实时视频对多模态大语言模型的连续感知、理解和推理进行基准测试
机构 * HIT（哈尔滨工业大学） ； HKUST (GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； XJTU（西安交通大学） ； SDU（山东大学） ； CityU（城市大学） ； HUST（华中科技大学）
AI总结 RTV-Bench通过实时视频对多模态大语言模型的连续感知、理解和推理能力进行细粒度基准测试，揭示了实时模型在长时段视频处理中的性能优势与局限。
Comments Accepted by NeurIPS 2025 Datasets and Benchmarks Track;
探索大型语言模型的翻译机制
机构 * Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本研究提出子空间干预路径修补法，揭示大型语言模型翻译机制，发现稀疏组件子集主导翻译，通过微调提升性能并推广至复杂任务。
Comments Accepted in NeurIPS 2025 Poster
基于投影的Lyapunov方法用于完全异质的弱耦合马尔可夫决策过程
机构 * Weiyang College, Tsinghua University（清华大学韦阳学院） ； Computer Science Department, Carnegie Mellon University（卡内基梅隆大学计算机科学系）
AI总结 本文提出基于投影的Lyapunov方法，解决了完全异质弱耦合马尔可夫决策过程的渐近最优性问题。
Comments 37 pages; full version for NeurIPS proceeding paper; fixed some typos
通过分布鲁棒直接偏好优化实现鲁棒的大语言模型对齐
机构 * Texas A&M University（德克萨斯大学） ； California Institute of Technology（加州理工学院） ； Tencent AI Lab（腾讯AI实验室） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出Wasserstein DPO和KLDPO算法，通过分布鲁棒优化解决LLM与人类偏好间的分布偏移问题，提升对齐性能。
Comments Accepted to NeurIPS 2025
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