NeurIPS

SlowFocus: Enhancing Fine-grained Temporal Understanding in Video LLM

SlowFocus: 提升视频大语言模型中的细粒度时间理解

Ming Nie, Dan Ding, Chunwei Wang, Yuanfan Guo, Jianhua Han, Hang Xu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； Yinwang Intelligent Technology Co., Ltd.（亿万象智能科技有限公司） 纠错

AI总结 SlowFocus通过提升等效采样频率和引入多频率混合注意力模块，提升视频大语言模型对细粒度时间理解的能力。

Comments NeurIPS 2024

Shortcut Features as Top Eigenfunctions of NTK: A Linear Neural Network Case and More

捷径特征作为神经切线核的顶级本征函数：线性神经网络案例及更多

Jinwoo Lim, Suhyun Kim, Soo-Mook Moon

机构 * Seoul National University（首尔国立大学） ； Kyung Hee University（庆熙大学） 纠错

AI总结 本文研究了线性神经网络中捷径学习的本征函数特性，并将该结论扩展至更复杂的网络结构。

Journal ref NeurIPS 2025

Benchmarking Large Language Models for Zero-shot and Few-shot Phishing URL Detection

对零样本和少样本钓鱼网址检测的大型语言模型进行基准测试

Najmul Hasan, Prashanth BusiReddyGari

机构 * University of North Carolina at Pembroke（北卡罗来纳大学帕克分校） 纠错

AI总结 本文通过统一的零样本和少样本提示框架，评估了大型语言模型在钓鱼网址检测中的性能，揭示了不同模型在泛化能力和实用性上的差异。

Comments 9 pages, accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025 LAW Workshop)

Going with the Speed of Sound: Pushing Neural Surrogates into Highly-turbulent Transonic Regimes

顺应声速：将神经替代物推向高湍流跨音速领域

Fabian Paischer, Leo Cotteleer, Yann Dreze, Richard Kurle, Dylan Rubini, Maurits Bleeker, Tobias Kronlachner, Johannes Brandstetter

机构 * Emmi AI GmbH ； ELLIS Unit, Institute for Machine Learning, JKU Linz（ELLIS单位，机器学习研究所，JKU林茨） 纠错

AI总结 本文提出了一组新的跨音速三维机翼CFD模拟数据集，评估了AB-UPT在神经替代物中的表现，展示了其在未见几何形状下的空气动力学优化潜力。

Comments NeurIPS 2025 ML4PS Workshop

Beyond Random: Automatic Inner-loop Optimization in Dataset Distillation

超越随机：数据集蒸馏中的自动内循环优化

Muquan Li, Hang Gou, Dongyang Zhang, Shuang Liang, Xiurui Xie, Deqiang Ouyang, Ke Qin

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 本文提出AT-BPTT框架，通过动态调整截断位置和窗口大小，提升数据集蒸馏的内循环优化性能，实现准确率提升和计算效率提升。

Comments Accepted by NeurIPS 2025

EVODiff: Entropy-aware Variance Optimized Diffusion Inference

EVODiff: 基于熵的方差优化扩散推理

Shigui Li, Wei Chen, Delu Zeng

AI总结 EVODiff通过优化条件熵减少不确定性，提升扩散模型的推理效率和生成质量。

Comments NeurIPS 2025, 41 pages, 14 figures

Broken Tokens? Your Language Model can Secretly Handle Non-Canonical Tokenizations

破损的标记？你的语言模型可以秘密处理非标准标记化

Brian Siyuan Zheng, Alisa Liu, Orevaoghene Ahia, Jonathan Hayase, Yejin Choi, Noah A. Smith

AI总结 研究发现语言模型在面对非标准标记化时表现出意外的鲁棒性，通过指令训练可提升特定任务性能，揭示模型对标记化的依赖程度较低。

Comments NeurIPS 2025 (spotlight)

On Universality Classes of Equivariant Networks

关于等变网络的普遍性类别

Marco Pacini, Gabriele Santin, Bruno Lepri, Shubhendu Trivedi

机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； Ca’ Foscari University of Venice（威尼斯卡·福斯卡里大学） 纠错

AI总结 本文研究了等变神经网络的普遍性类别，揭示了分离能力与表达性之间的差异，并探讨了浅层模型在不同对称群结构下的普遍性表现。

Comments Advances in Neural Information Processing Systems 38 (NeurIPS 2025; Spotlight presentation). Total 25 pages

Learning non-equilibrium diffusions with Schrödinger bridges: from exactly solvable to simulation-free

利用Schrödinger桥梁学习非平衡扩散：从精确求解到无需模拟

Stephen Y. Zhang, Michael P H Stumpf

机构 * University of Melbourne（墨尔本大学） 纠错

AI总结 本文提出mvOU-OTFM算法，通过流和分数匹配学习Schrödinger桥梁，适用于非平衡系统的建模与模拟。

Comments 10 pages, 5 figures, NeurIPS 2025

Inferring stochastic dynamics with growth from cross-sectional data

从横截面数据推断具有增长的随机动力学

Stephen Zhang, Suryanarayana Maddu, Xiaojie Qiu, Victor Chardès

机构 * School of Mathematics and Statistics, University of Melbourne（墨尔本大学数学与统计学学院） ； Center for Computational Biology, Flatiron Institute（Flatiron研究所计算生物学中心） ； Department of Genetics, Stanford University School of Medicine（斯坦福大学医学院遗传学系） 纠错

AI总结 该研究提出了一种新的方法，通过利用福克-计划克方程的拉格朗日公式，从横截面数据推断具有增长的随机动力学，提高了准确性并简化了训练过程。

Comments 10 pages, 5 figures, NeurIPS 2025

Neural Thermodynamics: Entropic Forces in Deep and Universal Representation Learning

神经热力学：深度和通用表征学习中的熵力

Liu Ziyin, Yizhou Xu, Isaac Chuang

AI总结 本文提出神经热力学理论，揭示深度学习中熵力与对称性打破对表征学习和优化行为的调控作用。

Comments Published at NeurIPS 2025

Understanding Representation Dynamics of Diffusion Models via Low-Dimensional Modeling

通过低维建模理解扩散模型的表示动态

Xiao Li, Zekai Zhang, Xiang Li, Siyi Chen, Zhihui Zhu, Peng Wang, Qing Qu

机构 * University of Michigan（密歇根大学） ； Ohio State University（俄亥俄州立大学） 纠错

AI总结 通过低维建模研究扩散模型中单峰表示动态的形成机制及其在分类任务中的泛化能力

Comments First two authors contributed equally. Accepted at NeurIPS 2025

MemoryFormer: Minimize Transformer Computation by Removing Fully-Connected Layers

MemoryFormer: 通过移除全连接层来减少Transformer计算

Ning Ding, Yehui Tang, Haochen Qin, Zhenli Zhou, Chao Xu, Lin Li, Kai Han, Heng Liao, Yunhe Wang

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室，智能科学与技术学院，北京大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huawei HiSilicon（华为海思） 纠错

AI总结 MemoryFormer通过移除全连接层，利用内存查找表和哈希算法替代线性投影，显著降低Transformer计算复杂度并提升效率。

Comments NeurIPS 2024. Code available at https://github.com/ningding-o/MemoryFormer

Conformal Prediction for Causal Effects of Continuous Treatments

对连续处理的因果效应进行符合预测

Maresa Schröder, Dennis Frauen, Jonas Schweisthal, Konstantin Heß, Valentyn Melnychuk, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑莱茵河大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种新的符合预测方法，用于连续处理的潜在结果，解决了倾向分数未知时的不确定性问题。

Comments Accepted at NeurIPS 2025

Sparse maximal update parameterization: A holistic approach to sparse training dynamics

稀疏最大更新参数化：一种全面方法用于稀疏训练动态

Nolan Dey, Shane Bergsma, Joel Hestness

机构 * Cerebras Systems（Cerebras系统） 纠错

AI总结 S$μ$Par通过重新参数化超参数，实现稀疏训练动态的稳定性和高效调优，提升稀疏模型性能。

Comments 10 pages main text, 10 pages reference and appendix, 14 figures, NeurIPS Camera-Ready