NegoCollab: A Common Representation Negotiation Approach for Heterogeneous Collaborative Perception
NegoCollab: 一种用于异构协作感知的共同表示协商方法
AI总结 NegoCollab通过协商共同表示方法解决异构协作感知中的领域差距问题，提升多智能体协作性能。
Comments 23 pages, Accepted by NeurIPS 2025
期刊&会议
NeurIPS
Conference on Neural Information Processing Systems · 会议 · Machine Learning
An Analysis of Causal Effect Estimation using Outcome Invariant Data Augmentation
基于结果不变数据增强的因果效应估计分析
机构 * Georgia Tech（佐治亚理工学院） ； TU Munich（慕尼黑工业大学） ； Helmholtz AI（海德堡人工智能研究所） ； Fortiss GmbH（Fortiss公司） ； Rational Intelligence CISPA（理性智能CISPA） ； Google DeepMind（谷歌DeepMind） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
AI总结 本文提出基于结果不变数据增强的因果效应估计方法，通过IV-like回归减少混杂偏差并提升泛化性能。
Comments Accepted at NeurIPS 2025
Accurate and Efficient Low-Rank Model Merging in Core Space
核心空间中准确且高效的低秩模型合并
机构 * AImageLab, University of Modena and Reggio Emilia, Italy（AImageLab，摩德纳和雷吉奥艾米利亚大学，意大利） ； Warsaw University of Technology, Poland（华沙技术大学，波兰） ； IDEAS NCBR, Warsaw, Poland（IDEAS NCBR，华沙，波兰） ； Media Integration and Communication Center (MICC), University of Florence, Italy（媒体整合与通信中心（MICC），佛罗伦萨大学，意大利） ； IDEAS Research Institute, Warsaw, Poland（IDEAS研究所，华沙，波兰） ； Computer Vision Center, Universitat Autònoma de Barcelona, Spain（计算机视觉中心，巴塞罗那自治大学，西班牙）
AI总结 本文提出核心空间合并框架，通过在共同对齐基上合并LoRA适应模型，提升跨任务准确性并保持低秩适应效率，同时显著降低计算资源消耗。
Comments Accepted at 39th Conference on Neural Information Processing Systems (NeurIPS 2025), San Diego, USA
BNMusic: Blending Environmental Noises into Personalized Music
BNMusic: 将环境噪音融入个性化音乐
机构 * Wuhan University（武汉大学） ； Bang & Olufsen A/S（Bang & Olufsen公司） ； Princeton University（普林斯顿大学） ； LIX, École Polytechnique（巴黎政治学院LIX研究所）
AI总结 BNMusic通过将环境噪音融入个性化音乐生成，减少噪音的明显性，提升听觉体验。
Comments This paper has been accepted by NeurIPS 2025
The Narrow Gate: Localized Image-Text Communication in Native Multimodal Models
窄门：原生多模态模型中的局部图像-文本通信
机构 * Area Science Park, Trieste, Italy（特里斯特科学公园） ； SISSA, Trieste, Italy（SISSA） ； University of Trieste, Trieste, Italy（特里斯特大学）
AI总结 研究揭示了原生多模态模型中图像与文本信息交互的机制，发现通过单个标记作为窄门影响图像理解性能，提出基于标记级干预的精细控制方法。
Comments NeurIPS 2025
SYMPHONY: Synergistic Multi-agent Planning with Heterogeneous Language Model Assembly
SYMPHONY：异构语言模型组装的协同多智能体规划
机构 * School of Information Science and Engineering, Yunnan University, Kunming, China（信息科学与工程学院，云南大学，昆明，中国） ； Yunnan Key Laboratory of Intelligent Systems and Computing, Kunming, China（智能系统与计算云南重点实验室，昆明，中国）
AI总结 SYMPHONY通过整合异构语言模型的多智能体规划框架，提升探索能力与规划性能，实验证明其在复杂任务中的有效性。
Comments Accepted by NeurIPS 2025
The Unseen Threat: Residual Knowledge in Machine Unlearning under Perturbed Samples
看不见的威胁：在扰动样本下的机器去学习中的残留知识
机构 * JPMorganChase Global Technology Applied Research（摩根大通全球科技应用研究） ； JPMorganChase AI Research（摩根大通人工智能研究）
AI总结 本文提出RURK方法，用于缓解在对抗性扰动下机器去学习中残留知识带来的隐私风险。
Comments Presented at NeurIPS 2025
A Pre-training Framework for Relational Data with Information-theoretic Principles
基于信息论原理的关系数据预训练框架
机构 * Michigan State University（密歇根州立大学） ； Snap Inc.（Snap公司）
AI总结 本文提出TVE框架，通过关系模式图的集合聚合建模下一窗口的关系动态，以提升关系数据库预训练任务的性能。
Comments NeurIPS'25
Influence Functions for Edge Edits in Non-Convex Graph Neural Networks
非凸图神经网络中边编辑的影响函数
机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Department of Computer Science & Engineering（计算机科学与工程系） ； POSTECH
AI总结 本文提出了一种非凸图神经网络中边编辑的影响函数方法，用于准确预测边删除和插入对GNN行为的影响，并展示了其在图重排和对抗攻击中的应用。
Comments Accepted by NeurIPS 2025
An Analysis of Concept Bottleneck Models: Measuring, Understanding, and Mitigating the Impact of Noisy Annotations
概念瓶颈模型分析：测量、理解和缓解嘈杂标注的影响
机构 * POSTECH
AI总结 本文提出了一种两阶段框架，通过尖锐性感知训练和不确定性校正来缓解概念瓶颈模型中噪声标注的影响，提升模型的鲁棒性和可解释性。
Comments NeurIPS 2025
Lost in Transmission: When and Why LLMs Fail to Reason Globally
在传输中迷失：当且为什么大语言模型无法全球推理
AI总结 研究指出大语言模型在处理需要高带宽通信的任务时存在能力限制，并通过BAPO模型证明了链式思维能将复杂问题简化为易处理形式。
Comments 39 pages; NeurIPS 2025, spotlight
