NeurIPS

Scaling Curriculum Learning For Autonomous Driving

扩展自动驾驶的课程学习方法

Cevahir Koprulu, David Paz, Feng Tao, Yuliang Guo, Xinyu Huang, Ufuk Topcu, Liu Ren

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Bosch Center for AI（博世人工智能中心） 纠错

AI总结 该研究提出CL4AD，将课程学习集成到批量自动驾驶模拟器中，在GPUDRIVE实验中使自动驾驶RL智能体的训练效率大幅提升，提前10亿步达到99%成功率，减少77%的时间，样本效率提升67%。

Comments 31 pages, 18 figures. Under review at NeurIPS 2026

MusPyExpress: Extending MusPy with Enhanced Expression Text Support

MusPyExpress：为MusPy扩展增强的表情文本支持功能

Phillip Long, Hao-Wen Dong, Julian McAuley, Zachary Novack

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 该研究提出MusPyExpress扩展MusPy库，支持提取表情文本，解析PDMX数据集展示相关数据丰富性，并开展三类利用该信息的生成任务以推动符号音乐建模。

Comments Accepted at NeurIPS 2025 Workshop on AI for Music: Where Creativity Meets Computation; 10 pages, 6 figures

Memory-Enhanced Neural Solvers for Routing Problems

用于路径规划问题的记忆增强神经求解器

Felix Chalumeau, Refiloe Shabe, Noah De Nicola, Arnu Pretorius, Thomas D. Barrett, Nathan Grinsztajn

机构 * InstaDeep ； University of Cape Town（南非开普敦大学） 纠错

AI总结 该研究针对路径规划问题，提出记忆增强神经求解器MEMENTO，通过利用在线数据动态调整动作分布，在12项评估任务的11项上优于树搜索等方法，可与多样性求解器零样本组合。

Comments Neurips '25 version

Unique sparse decomposition of low rank matrices

低秩矩阵的唯一稀疏分解

Dian Jin, Xin Bing, Yuqian Zhang

AI总结 本文针对低秩矩阵的唯一稀疏分解问题，通过单位球约束的非凸优化方法证明了其可唯一识别，并经数值实验验证了理论结果。

Comments Accepted by 2021 Neurips, in IEEE Transactions on Information Theory, 2022