NeurIPS

Learning Memory-Enhanced Improvement Heuristics for Flexible Job Shop Scheduling

学习记忆增强的改进启发式方法用于灵活作业车间调度

Jiaqi Wang, Zhiguang Cao, Peng Zhao, Rui Cao, Yubin Xiao, Yuan Jiang, You Zhou

机构 * Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education（教育部符号计算与知识工程重点实验室） ； College of Software（软件学院） ； College of Computer Science and Technology（计算机科学与技术学院） ； Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出MIStar框架，通过记忆增强的异构图神经网络和并行贪婪搜索策略，提升灵活作业车间调度的调度效果。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Value Gradient Guidance for Flow Matching Alignment

价值梯度指导下的流匹配对齐

Zhen Liu, Tim Z. Xiao, Carles Domingo-Enrich, Weiyang Liu, Dinghuai Zhang

机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； University of Tübingen（图宾根大学） ； Microsoft Research（微软研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Mila – Quebec AI Institute（魁北克AI研究所） 纠错

AI总结 VGG-Flow通过价值梯度指导实现流匹配模型的高效微调与先验保留对齐。

Comments Accepted at NeurIPS 2025; 26 pages, 20 figures

The Price of Prompting: Profiling Energy Use in Large Language Models Inference

提示的成本：大型语言模型推理中能源使用的 profiling

Erik Johannes Husom, Arda Goknil, Lwin Khin Shar, Sagar Sen

机构 * SINTEF ； Singapore Management University（新加坡管理大学） 纠错

AI总结 本文提出MELODI框架，用于分析大型语言模型推理过程中的能源消耗，通过构建数据集研究提示属性与能源支出的关系，为可持续LLM部署提供基础工具。

Comments 11 pages, 5 figures. Submitted to NeurIPS 2024. The released code and dataset are available at https://github.com/ejhusom/MELODI

MEBM-Speech: Multi-scale Enhanced BrainMagic for Robust MEG Speech Detection

MEBM-Speech: 多尺度增强型脑魔 for robust MEG语音检测

Li Songyi, Zheng Linze, Liang Jinghua, Zhang Zifeng

机构 * Speech and Hearing Research Center, School of Intelligence Science and Technology（语音与听力研究中心，智能科学与技术学院） ； Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies（BioMed-X研究中心，先进跨学科研究学院） 纠错

AI总结 MEBMSpeech通过多尺度增强神经解码器实现稳健的MEG语音检测，结合多尺度卷积、BiLSTM和深度可分离卷积，提升语音与静默状态的精细识别能力。

Comments 5 pages, 1 figure. To appear in the PNPL Competition Workshop at NeurIPS 2025

MEBM-Phoneme: Multi-scale Enhanced BrainMagic for End-to-End MEG Phoneme Classification

MEBM-Phoneme：多尺度增强的BrainMagic用于端到端MEG音素分类

Liang Jinghua, Zhang Zifeng, Li Songyi, Zheng Linze

机构 * Speech and Hearing Research Center, School of Intelligence Science and Technology（语音与听力研究中心，智能科学与技术学院） ； Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies（BioMed-X研究中心，先进跨学科研究学院） 纠错

AI总结 MEBM-Phoneme通过多尺度增强和时间依赖性建模，提升MEG信号中音素分类的准确性和鲁棒性。

Comments 5 pages, 1 figure. To appear in the PNPL Competition Workshop at NeurIPS 2025