NeurIPS - arXivDaily 期刊&会议

2603.25241 2026-03-27 cs.LG

Offline Decision Transformers for Neural Combinatorial Optimization: Surpassing Heuristics on the Traveling Salesman Problem

离线决策变换器用于神经组合优化：在旅行商问题上超越启发式方法

Hironori Ohigashi, Shinichiro Hamada

机构 * Panasonic Connect Co., Ltd.（松下连接有限公司）

AI总结本文提出离线决策变换器，通过直接学习启发式解集来改进组合优化，通过指针网络和期望回归方法，在旅行商问题上超越传统启发式方法。

Comments 11 pages, 1 figures. Accepted at NeurIPS 2025 Workshop on DiffCoALG

2603.25187 2026-03-27 cs.CL cs.AI

Probing the Lack of Stable Internal Beliefs in LLMs

探测大型语言模型中稳定内部信念的缺乏

Yifan Luo, Kangping Xu, Yanzhen Lu, Yang Yuan, Andrew Chi-Chih Yao

机构 * IIIS, Tsinghua University（清华大学交叉信息研究院）； Shanghai Qizhi Institute（上海期智研究院）

AI总结本研究探讨了LLM在多轮交互中维持隐含一致性的能力，发现其隐含目标易随对话变化，需引入机制以锚定长期目标，以提升对话系统中的人格建模效果。

Comments Accepted by NeurIPS 2025 Workshop Mexico City PersonaNLP

2509.08617 2026-03-27 cs.LG

Towards Interpretable Deep Neural Networks for Tabular Data

面向表格数据的可解释深度神经网络

Khawla Elhadri, Jörg Schlötterer, Christin Seifert

机构 * Marburg University（马尔堡大学）

AI总结本文提出XNNTab架构，通过稀疏自编码器学习语义特征并赋予人类可解释性，实现表格数据预测的可解释性与高性能。

Comments Presented at 3rd Workshop on Unifying Representations in Neural Models (UniReps) at NeuRIPS 2025

2505.19807 2026-03-27 cs.LG stat.ML

Density Ratio-Free Doubly Robust Proxy Causal Learning

无需密度比的双重稳健代理因果学习

Bariscan Bozkurt, Houssam Zenati, Dimitri Meunier, Liyuan Xu, Arthur Gretton

机构 * Gatsby Computational Neuroscience Unit, University College London（伦敦大学学院盖茨比计算神经科学单元）； Secondmind ； DeepMind

AI总结本文提出无需密度比的双重稳健代理因果学习方法，结合两种主流方法的优势，有效处理连续和高维变量，通过核均值嵌入实现闭式解和强一致性保证，优于现有方法。

Comments Neurips published version

2306.04810 2026-03-27 cs.NE cs.IT cs.LG math.IT q-bio.NC

Correlative Information Maximization: A Biologically Plausible Approach to Supervised Deep Neural Networks without Weight Symmetry

相关信息最大化：一种生物合理的方法用于无权重对称性的监督深度神经网络

Bariscan Bozkurt, Cengiz Pehlevan, Alper T Erdogan

机构 * Gatsby Computational Neuroscience Unit, UCL（伦敦大学学院盖茨比计算神经科学单元）； KUIS AI Center, Koc University（科奇大学KUIS人工智能中心）； EEE Department, Koc University（科奇大学电气与电子工程系）； John A. Paulson School of Engineering & Applied Sciences and Center for Brain Science, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院及脑科学中心）； Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所）

AI总结本文提出相关信息最大化作为生物神经网络信号传播的替代规范方法，解决了传统神经网络和反向传播算法的生物合理性问题，并提供了一种无权重对称性的解决方案。

Comments Neurips published version

2603.24974 2026-03-27 math.OC cs.LG stat.ML

The Value of Information in Resource-Constrained Pricing

信息价值在资源受限定价中的作用

Ruicheng Ao, Jiashuo Jiang, David Simchi-Levi

机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统与社会研究所）； Department of Civil and Environmental Engineering and Operations Research Center, MIT（麻省理工学院土木与环境工程系及运筹学研究中心）； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）

AI总结本文研究了在资源受限条件下，预测不确定性如何影响动态定价决策，通过线性需求、随机噪声和有限容量，证明了预测误差阈值对 regret 的影响，并展示了代理模型在降低方差中的作用。

Comments Extended version of the NeurIPS 2025 paper (arXiv:2501.14155). This version adds phase transition, surrogate-assisted variance reduction under model misspecification, and numerical experiments

2506.12104 2026-03-27 cs.CR cs.AI

DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents

DRIFT: 基于注入隔离的动态规则防御以保障LLM代理安全

Hao Li, Xiaogeng Liu, Hung-Chun Chiu, Dianqi Li, Ning Zhang, Chaowei Xiao

机构 * Washington University in St. Louis（圣路易斯华盛顿大学）； Johns Hopkins University（约翰霍普金斯大学）； Independent Researcher（独立研究者）

AI总结 DRIFT通过动态安全策略和注入隔离技术，有效防御LLM代理中的提示注入攻击，验证了其在多个基准测试中的高安全性和高实用性。

Comments Accepted to NeurIPS 2025