NeurIPS

RABBiT: Rapidly adaptive BOLD foundation model via brain-tuning for accurate zero-shot and few-shot prediction of speech-elicited responses in the brain

RABBiT：基于脑调优的快速自适应BOLD基础模型，用于脑内语音诱发响应的精准零样本与少样本预测

Omer Moussa, Mariya Toneva

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

AI总结 针对脑语言理解泛化难问题，提出RABBiT紧凑音频-fMRI编码器，依托脑调优等创新实现跨被试跨场景语音诱发脑响应的高精度零/少样本预测，支撑规模化脑语言分析。

Comments Under review at NeurIPS 2026

MPSelectTune: Prompt-type Selection for Fine-tuning improves Concept Unlearning in LLMs

MPSelectTune：微调中的提示类型选择可提高大语言模型中的概念遗忘能力

Shubhadip Nag, Srinjoy Das, Agniva Saha, Anushree Ghosh, Soumi Das, Tarun Kumar, Suparna Bhattacharya, Sourangshu Bhattacharya

机构 * IIT Kharagpur（印度理工学院卡拉格布尔分校） ； MPI-SWS（马克斯·普朗克软件系统研究所） ； HPE Labs（慧与实验室） 纠错

AI总结 研究大语言模型中去除有害概念难题，提出对抗方法用联合提示预测主任务和概念任务，MPSelectTune两阶段方法可提升平均遗忘性能，实验显示能提高主任务精度并降低概念精度。

Comments Accepted at NeurIPS 2025 - Reliable ML Workshop (https://openreview.net/forum?id=Jk8sOL97Tg#discussion)

On the Design Space of Discrete Diffusion Online Adaptation for Molecular Optimization

关于分子优化的离散扩散在线适应设计空间

Trevor Chen, Ariel Dai, Jason Yang, Riccardo De Santi, Daniel Khalil, Wenda Chu, Nate Gruver, Pranav Murugan, Alexander F. G. Goldberg, Maruan Al-Shedivat, Yisong Yue

机构 * Caltech（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； Genesis Molecular AI（创世纪分子人工智能公司） 纠错

AI总结 研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。

Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems