On topological descriptors for graph products
关于图积的拓扑描述符
AI总结 本文研究了图积的拓扑描述符，分析了欧拉特征和持续同调在不同滤波器下的表现，并提出计算方法，为图数据的多尺度分析提供新工具。
Comments 26 pages, 4 tables, 5 figures. Accepted at NeurIPS 2025. Final version, clarified and fixed a bug
期刊&会议
NeurIPS
Conference on Neural Information Processing Systems · 会议 · Machine Learning
T-REGS: Minimum Spanning Tree Regularization for Self-Supervised Learning
T-REGS：基于最小生成树的自监督学习正则化
机构 * Inria Saclay（Inria萨克雷实验室） ； LIX, CNRS, École Polytechnique, IP Paris（LIX，CNRS，巴黎高等理工学院，IP巴黎）
AI总结 T-REGS通过最小生成树长度正则化，有效缓解自监督学习中的维度崩溃和分布不均匀问题。
Comments NeurIPS 2025
EUGens: Efficient, Unified, and General Dense Layers
EUGens: 高效、统一且通用的密集层
AI总结 EUGens通过随机特征和输入范数依赖，高效统一密集层，提升推断速度和内存效率
Comments Neurips 2025
Hyperbolic Fine-Tuning for Large Language Models
双曲微调用于大语言模型
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Indian Institute of Science（印度科学研究院） ； Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 HypLoRA通过在双曲空间中进行低秩适应，提升大语言模型在算术和常识推理任务中的性能。
Comments NeurIPS 2025; https://github.com/marlin-codes/HypLoRA
Nonparametric Evaluation of Noisy ICA Solutions
非参数评估噪声ICA解法
AI总结 本文提出了一种非参数评分方法，用于适应性选择ICA算法，适用于任意高斯噪声，并分析了算法的收敛性质。
Comments NeurIPS 2024 (Main Conference Track). 44 pages
Journal ref Advances in Neural Information Processing Systems, 37, pp.132647-132690 (2024)
On the Empirical Power of Goodness-of-Fit Tests in Watermark Detection
关于在水印检测中 goodness-of-fit 测试的实证效力
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文研究了 goodness-of-fit 测试在水印检测中的实证效力，发现通用 GoF 测试能提升检测能力和鲁棒性，并指出文本重复对 GoF 测试的独特优势。
Comments Accepted at NeurIPS 2025 as a spotlight
Mamba Goes HoME: Hierarchical Soft Mixture-of-Experts for 3D Medical Image Segmentation
Mamba Goes HoME: 分层软专家混合模型用于3D医学图像分割
机构 * Faculty of Mathematics, Informatics, and Mechanics, University of Warsaw（华沙大学数学、信息学与力学系） ； Faculty of Mathematics and Computer Science, Jagiellonian University（雅盖隆大学数学与计算机科学系） ； Institute of AI for Health, Helmholtz Munich（海德堡医学院人工智能与健康研究所） ； Faculty of Electronics and Information Technology, Warsaw University of Technology（华沙理工大学电子与信息技术系） ； NASK - National Research Institute（国家研究 institute） ； Faculty of Radiology, Massachusetts General Hospital（麻省总医院放射学系） ； Department of Radiology, Harvard Medical School（哈佛医学院放射学系）
AI总结 本文提出分层软专家混合模型HoME，通过两级令牌路由提升3D医学图像分割的长上下文建模能力，实现更高效的局部和全局特征提取，从而提升分割性能。
Comments Accepted at NeurIPS 2025
SMMILE: An Expert-Driven Benchmark for Multimodal Medical In-Context Learning
SMMILE：一个多模态医学上下文学习的专家驱动基准
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Lund University（隆德大学） ； Jawaharlal Institute of Postgraduate Medical Education and Research（贾瓦哈拉尔·尼赫鲁医学教育与研究学院） ； UCSF（加州大学旧金山分校） ； University of Zurich（苏黎世大学） ； University Hospital Zurich（苏黎世大学医院） ； HOPPR
AI总结 SMMILE是一个专家驱动的多模态医学上下文学习基准，评估了15个MLLMs在医学任务中的多模态ICL能力，发现其表现有限且易受无关示例和最近性偏见影响。
Comments NeurIPS 2025 (Datasets & Benchmarks Track)
Optimal Adjustment Sets for Nonparametric Estimation of Weighted Controlled Direct Effect
非参数估计加权受控直接效应的最优调整集
AI总结 本文提出非参数估计加权受控直接效应的最优调整集，通过建立可识别条件、影响函数和最优调整集，为复杂因果系统中的直接效应估计提供了系统框架。
Comments 47 pages, 8 figures, NeurIPS 2025 (accepted)
ProDAG: Projected Variational Inference for Directed Acyclic Graphs
ProDAG：针对有向无环图的投影变分推断
机构 * University of Technology Sydney（技术大学悉尼大学） ； CSIRO’s Data61（CSIRO数据61） ； University of New South Wales（新南威尔士大学）
AI总结 ProDAG通过投影变分推断框架，在DAG学习中实现更准确的结构推断和不确定性量化。
Comments To appear in Advances in Neural Information Processing Systems
