期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
在推理时间解锁扩散模型中隐藏的生物分子构象景观
机构 * Stanford University（斯坦福大学） ； Yale School of Medicine（耶鲁医学院）
AI总结 ConforMix通过结合分类引导、过滤和自由能估计，提升扩散模型在推理时对生物分子构象变化的采样能力，实现更高效的构象发现。
Comments Project page: https://github.com/drorlab/conformix
Journal ref NeurIPS 2025
迈向符号回归的标度法则
机构 * University of Freiburg（弗赖堡大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Open-Sci Collective（开放科学集体） ； LAION ； Prior Labs（Prior实验室）
AI总结 本文研究符号回归中计算量与性能之间的标度关系，发现验证损失和解决率随计算量呈幂律趋势，并确定了计算最优的超参数标度。
Comments Accepted at the NeurIPS 2025 Math-AI Workshop and the EurIPS 2025 AITD Workshop
平坦性是必要的，神经崩溃不是：通过Grokking重新思考泛化
机构 * Ting Han Lamarr Institute, TU Dortmund, Germany（廷汉拉马尔研究所，杜伊斯堡-艾森大学，德国） ； Institute for AI in Medicine, UK Essen（人工智能医学研究所，英国埃森） ； Research Center Trustworthy Data Science and Security of the University Alliance Ruhr, TU Dortmund, Germany（trustworthy数据科学与安全研究所以及鲁尔大学联盟，杜伊斯堡-艾森大学，德国） ； Ruhr University Bochum, Germany（波恩鲁尔大学，德国） ； Department of Physics, TU Dortmund, Germany（物理系，杜伊斯堡-艾森大学，德国） ； Lamarr Institute, TU Dortmund, Germany（廷汉拉马尔研究所，杜伊斯堡-艾森大学，德国）
AI总结 通过Grokking训练模式发现，损失景观的平坦性是泛化的潜在必要条件，而神经崩溃并非如此。
Comments NeurIPS 2025, Camera ready version
统一差分隐私中的重识别、属性推断和数据重建风险
AI总结 本文提出统一差分隐私中重识别、属性推断和数据重建风险的框架，通过f-DP理论提供更精确的风险界限，减少噪声需求并提升任务准确性。
Comments NeurIPS 2025
一致的监督-无监督对齐用于通用类别发现
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（国家人类-机器混合增强智能重点实验室、视觉信息与应用国家工程研究中心、人工智能与机器人研究院、西安交通大学） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（计算机科学与技术学院、哈尔滨工业大学深圳校区） ； School of Software Engineering, Xi’an Jiaotong University（软件工程学院、西安交通大学） ； Kuaishou Technology（快手科技） ； Faculty of Microelectronics, Shenzhen University of Advanced Technology（微电子学院、深圳先进技术大学）
AI总结 本文提出NC-GCD框架，通过预分配ETF原型和引入一致ETF对齐损失，提升通用类别发现任务中新类别识别的性能。
Comments Accepted by NeurIPS 2025
图持久性进入谱域
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Federal Institute of Ceará（巴西塞阿腊联邦理工学院） ； Aalto University（艾尔沃斯大学）
AI总结 本文提出SpectRe，一种结合谱信息的图拓扑描述符，以提升图神经网络的表达能力。
Comments 32 pages, 4 figures, 7 tables. Accepted at NeurIPS 2025. Final version, clarified minor bug
HAODiff: 人类感知的单步扩散 via 双提示引导
机构 * Shanghai Jiao Tong University（上海交通大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司）
AI总结 HAODiff通过双提示引导方法，针对人类运动模糊和通用噪声问题，提升图像修复的鲁棒性和视觉质量。
Comments 9 pages, 8 figures. Accepted at NeurIPS 2025
基于学习的设施选址机制用于 envy 比率
AI总结 本文提出基于学习的设施选址机制，旨在优化 envy 比率，通过 α-BIM 和 BAM 机制提升近似比至约 1.8944。
Comments Accepted in NeurIPS 2025
EAG3R：事件增强的3D几何估计用于动态和极端光照场景
机构 * The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 EAG3R通过引入事件流和改进的损失函数，提升了动态低光照环境下3D几何估计的鲁棒性。
Comments Accepted at NeurIPS 2025 (spotlight)
通过感知直化检测生成视频
机构 * Bielefeld University（比勒菲尔德大学） ； Google DeepMind（谷歌DeepMind） ； Honda Research Institute EU（本田欧洲研究院） ； Cold Spring Harbor Laboratory（冷泉港实验室）
AI总结 ReStraV通过分析神经表示域中的视频轨迹曲率和距离差异，实现对生成视频的有效检测，达到97.17%的准确率。
Comments NeurIPS 2025 (https://openreview.net/forum?id=LsmUgStXby)
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025)
DeepVideo-R1: 通过难度感知的回归GRPO实现视频强化微调
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Korea University（韩国大学）
AI总结 DeepVideo-R1通过回归GRPO和难度感知数据增强，提升视频大语言模型的推理能力。
Comments NeurIPS 2025
推理编译器：基于大语言模型的高效模型服务优化
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 推理编译器利用大语言模型进行编译优化，通过上下文感知决策提升样本效率，实现高效模型服务。
Comments NeurIPS 2025
具有扭转感知流动匹配的灵活MOF生成
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出了一种两阶段MOF生成框架，通过建模化学和几何自由度，实现了对新型MOF的设计和生成。
Comments 24 pages, 9 figures
Journal ref Neural Information Processing Systems (NeurIPS) 2025
PaTH Attention: 通过累积Householder变换实现位置编码
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM Watson人工智能实验室） ； Stanford University（斯坦福大学） ； Microsoft（微软公司）
AI总结 PaTH Attention通过累积Householder变换实现数据依赖的位置编码，提升Transformer模型的表达能力。
Comments NeurIPS 2025 camera ready
核回归中不变性带来的精确样本复杂性提升
AI总结 本文从理论角度研究了核回归中利用不变性提升样本复杂性的机制，推导了在紧致流形上核岭回归的最小最大最优速率，并揭示了群作用对样本复杂性的影响。
Journal ref NeurIPS 2023
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