NeurIPS

Spiking Brain Compression: Post-Training Second-order Compression for Spiking Neural Networks

脉冲神经网络压缩：针对脉冲神经网络的后训练二次压缩

Lianfeng Shi, Ao Li, Benjamin Ward-Cherrier

机构 * School of Engineering Mathematics and Technology, University of Bristol, England（工程数学与技术学院，布里斯托大学，英格兰） 纠错

AI总结 本文提出Spiking Brain Compression（SBC）框架，通过一次性后训练压缩提升脉冲神经网络的效率，实现比传统ANN基线更高的准确率。

Comments Preliminary work accepted at non-archival OPT-ML workshop at NeurIPS 2025. The workshop version is available in an earlier version of this arXiv paper

An Empirical Investigation of Neural ODEs and Symbolic Regression for Dynamical Systems

神经微分方程与符号回归在动力系统中的实证研究

Panayiotis Ioannou, Pietro Liò, Pietro Cicuta

机构 * Department of Physics University of Cambridge（剑桥大学物理系） 纠错

AI总结 该研究通过实证比较神经微分方程与符号回归在动态系统建模中的表现，发现NODEs能有效外推并增强数据，SR能从噪声数据中恢复方程，为科学发现提供了新方法。

Comments Accepted at the Machine Learning and the Physical Sciences Workshop, NeurIPS 2025

PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting

PLANA3R: 通过前馈平面撒点实现零样本度量平面三维重建

Changkun Liu, Bin Tan, Zeran Ke, Shangzhan Zhang, Jiachen Liu, Ming Qian, Nan Xue, Yujun Shen, Tristan Braud

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Group（蚂蚁集团） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 PLANA3R通过前馈平面撒点实现零样本度量平面三维重建，无需显式平面监督，适用于大规模立体数据集。

Comments Camera-ready version of a paper in 39th Conference on Neural Information Processing Systems (NeurIPS 2025). The project page is available at: https://lck666666.github.io/plana3r

Compositional Reasoning with Transformers, RNNs, and Chain of Thought

基于变换器、RNN和思维链的组合推理

Gilad Yehudai, Noah Amsel, Joan Bruna

机构 * Courant Institute of Mathematical Sciences（Courant数学科学研究所） ； New York University（纽约大学） ； Center for Data Science（数据科学中心） ； Center for Computational Mathematics（计算数学中心） ； Flatiron Institute（Flatiron研究所） 纠错

AI总结 本文研究了变换器、RNN和思维链架构在解决组合推理问题上的表现，证明了不同架构在处理此类问题时各有优劣，无一严格优于其他。

Comments NeurIPS CR version