NeurIPS

STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model

STEAD: 基于扩散语言模型的鲁棒可证明安全语言隐写术

Yuang Qi, Na Zhao, Qiyi Yao, Benlong Wu, Weiming Zhang, Nenghai Yu, Kejiang Chen

AI总结 STEAD利用扩散语言模型实现鲁棒且可证明安全的语言隐写术，通过部分并行生成和纠错策略提升隐写文本的抗篡改能力。

Comments NeurIPS 2025 poster

Does Object Binding Naturally Emerge in Large Pretrained Vision Transformers?

大规模预训练视觉变换器中物体绑定是否自然涌现？

Yihao Li, Saeed Salehi, Lyle Ungar, Konrad P. Kording

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Machine Learning Group, Technical University of Berlin（柏林技术大学机器学习小组） 纠错

AI总结 研究发现大规模预训练视觉变换器中自然涌现出物体绑定能力，通过分析ViT各层嵌入发现IsSameObject能有效引导注意力，挑战了ViTs缺乏物体绑定的传统观点。

Comments Accepted as a Spotlight at NeurIPS 2025

Composite Flow Matching for Reinforcement Learning with Shifted-Dynamics Data

用于具有偏移动态数据的强化学习的复合流匹配

Lingkai Kong, Haichuan Wang, Tonghan Wang, Guojun Xiong, Milind Tambe

机构 * School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） 纠错

AI总结 CompFlow通过复合流匹配和最优传输理论，解决离线数据与在线动态不匹配的问题，提升强化学习样本效率。

Comments NeurIPS 2025 Spotlight