期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
TIER: 用于多步工具组合的轨迹不变执行奖励
机构 * UC San Diego（加州大学圣迭戈分校） ； Cisco Research（思科研究）
AI总结 本文提出TIER，一种基于函数模式和运行时执行的奖励框架，能够提供密集且可解释的序列级反馈，支持多种解决方案策略并适应变化的工具接口，在DepthBench等基准上实现了高准确率。
Comments Preprint. Submitted to NeurIPS 2026. 28 pages, 7 figures, 8 tables. Code and datasets available at https://github.com/anaykulkarni/TIER
LinAlg-Bench：一个 forensic 验证基准，揭示 LLM 数学推理中的结构失效模式
机构 * Department of Nuclear Engineering and Computer Science（核工程与计算机科学系）
AI总结 LinAlg-Bench 评估 10 个前沿大语言模型在结构线性代数计算中的表现，揭示 LLM 数学失败并非随机，而是受算法类型和矩阵维度约束。研究发现 4x4 尺寸存在行为阈值，低于该尺寸模型通过执行错误失败，高于则转向计算放弃，通过工具角色扮演等制造响应。
Comments 42 pages, 3 figures, 12 tables. NeurIPS 2026 Evaluations and Datasets Track submission. Dataset: https://huggingface.co/datasets/LinAlgBench/linalg-bench
从第一天开始：面向大规模约束多智能体系统的群体感知协调
机构 * Amazon（亚马逊）
AI总结 本文提出群体感知协调接口，通过学习的原Dual映射，在迭代循环中查询，以实现大规模多智能体系统的协调，减少预测误差和容量违规。
Comments 30 pages, 16 figures. Submitted to NeurIPS 2026
FlowMixer：一种不依赖深度的神经架构用于可解释的时空预测
机构 * New York University in Abu Dhabi（纽约大学阿布扎赫尔分校） ； New York University Abu Dhabi（纽约大学阿布扎赫尔分校） ； Brooklyn, USA（布鲁克林，美国）
AI总结 FlowMixer通过约束矩阵运算建模结构化时空模式，结合可逆映射框架实现可解释的时空预测，通过Kronecker-Koopman特征模式直接操控预测时间跨度，无需重新训练。
Comments Accepted (main track) at NeurIPS 2025. 44 pages, 17 figures, 22 tables. Published in Advances in Neural Information Processing Systems, vol. 38
Journal ref Advances in Neural Information Processing Systems, vol. 38, pp. 88811-88861, 2025
灾难性过拟合、熵差与参与比：一种无噪声的 $l^p$ 范数解决方案用于快速对抗训练
机构 * New York University of Abu Dhabi（纽约阿布扎比分校） ； Department of Civil and Urban Engineering（土木与城市工程系） ； NYU Tandon School of Engineering（纽约大学坦顿工程学院）
AI总结 本文提出基于 $l^p$ 范数的无噪声方法，通过量化梯度集中度和熵测度，自动调整训练范数以缓解灾难性过拟合问题，无需额外正则化或噪声注入。
Comments 26 pages, 13 figures, 5 table. Preliminary version at NeurIPS 2025 Reliable and Responsible AI Workshop. Code: https://github.com/FaresBMehouachi/lpfgsm
PRISMat：基于策略的、排列不变的自回归材料生成
机构 * Khoury College of Computer Sciences（科里学院计算机科学学院） ； Northeastern University（东北大学） ； College of Engineering（工程学院）
AI总结 PRISMat通过高效生成晶体片层，提升了材料发现的准确性，其在切开能和工作函数任务中的均绝对误差显著降低。
Comments 10 pages, 8 figures, Under Review at Neurips 2026
RoPE在长上下文中无法区分位置或令牌，证明性分析
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Bonn（波恩大学） ； Argonne National Laboratory（阿贡国家实验室） ； Amazon AGI（亚马逊人工智能研究院）
AI总结 本文证明RoPE在长上下文中因失去局部偏倚和令牌相关性一致性而失效，无法区分位置或令牌，且增加RoPE基值只能牺牲位置区分能力。
Comments 35 pages, 11 figures, submitted to NeurIPS 2026
基于大语言模型的零样本目标识别
机构 * PUCRS Porto Alegre（圣路易斯-波尔图阿legre大学） ； King’s College London（伦敦国王学院） ； University of Aberdeen（阿伯丁大学） ； PUCRS（圣路易斯-波尔图阿legre大学）
AI总结 本文首次系统评估前沿大语言模型在经典PDDL基准上的零样本目标识别能力，发现其表现不均，部分模型随证据增加而提升精度，而另一些模型则依赖世界知识先验。
Comments 9 pages, 1 figure, 1 table; appendix with 8 figures and 2 code listings (29 pages total); submitted to NeurIPS 2026
最后的答案往往获胜：链式思维腐败研究中的格式混淆
机构 * Independent Researcher（独立研究者）
AI总结 研究揭示链式思维腐败测试中，最终答案的位置影响准确性，而非中间计算步骤，提出新的研究协议以避免格式混淆。
Comments 34 pages, 6 figures, 13 tables. Submitted to NeurIPS 2026. Code and data: https://github.com/Gpgabriel25/LastWordWinsCoT
Traj-CoA：通过链式代理进行患者轨迹建模用于肺癌风险预测
机构 * University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（Fred Hutch癌症中心） ； Harvard University（哈佛大学） ； Google（谷歌）
AI总结 Traj-CoA通过链式代理系统处理电子健康记录数据，减少噪声并保留完整时间线，从而在肺癌风险预测中优于基线方法。
Comments Accepted by NeurIPS 2025 GenAI4Health Workshop
线性表示假说与大语言模型的几何学
机构 * University of Chicago（芝加哥大学）
AI总结 本文探讨线性表示的定义及其在表示空间中的几何意义，通过反事实语言形式化并证明其与线性探测和模型操控的关联，提出非欧几里得内积统一线性表示概念，实验验证概念表示的存在及其对解释与控制的重要性。
Comments Accepted for a presentation at ICML 2024 and an oral presentation at NeurIPS 2023 Workshop on Causal Representation Learning. Code is available at https://github.com/KihoPark/linear_rep_geometry
Journal ref In Proceedings of the 41st International Conference on Machine Learning (ICML), 2024
LEMON：通过反事实强化学习学习可执行多智能体编排
AI总结 LEMON通过反事实强化学习生成可执行的多智能体编排规范，整合任务特定角色、定制职责、容量级别和依赖结构，提升多智能体系统解决方案质量和执行效率。
Comments Submitted to Neurips 2026
达尔文家族：基于MRI-信任权重的进化合并框架，用于无训练扩展语言模型推理
机构 * VIDRAFT Inc.（VIDRAFT公司）
AI总结 达尔文家族通过无梯度权重空间重组实现大语言模型的无训练进化合并，展示出在推理任务中无需额外训练即可提升性能的可行性。
Comments NeurIPS 2026 submission. 18 pages including appendix
TILT：在协变量偏移下由目标诱导的损失倾斜
机构 * Lab for Information and Decision Systems（信息与决策系统实验室） ； Statistics and Data Science Center（统计与数据科学中心） ； EECS, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系） ； Mathematics and EECS, Massachusetts Institute of Technology（数学与电子工程与计算机科学系, 麻省理工学院）
AI总结 本文提出TILT方法用于无监督域适应，通过分解源预测器为f+b，并在带标签源数据上拟合f+b同时惩罚无标签目标输入的辅助组件b，从而提升目标域性能。
Comments 32 pages, 17 figures. Submitted to NeurIPS 2026
RAM-W600：一种多任务手腕数据集和基准用于类风湿性关节炎
机构 * Institute of Science Tokyo（东京科学研究所） ； Hokkaido University（北海道大学） ； The University of Tokyo（东京大学）
AI总结 本文提出RAM-W600数据集，用于类风湿性关节炎的手腕骨实例分割和BE评分，包含1048张放射影像，支持RA相关研究及腕部其他任务。
Comments Published in NeurIPS 2025
CAD-Coder：基于链式思维和几何奖励的文本到CAD生成
AI总结 CAD-Coder将文本到CAD生成转化为CadQuery脚本生成，通过监督微调和强化学习提升代码有效性与几何精度，实现LLM直接生成复杂CAD模型。
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), pp. 59765-59789
扩大学习范围：嵌套子空间中的自适应贝叶斯优化
机构 * Lund University（吕勒欧大学） ； Stanford University（斯坦福大学） ； DBtune ； Amazon（亚马逊）
AI总结 本文提出BAxUS方法，通过嵌套随机子空间自适应优化空间，提升高维贝叶斯优化性能，理论保证其鲁棒性并在多种应用中表现更优。
Comments 28 pages, 8 figures. Accepted to NeurIPS 2022. This is the revised version and includes the appendix
Journal ref Advances in Neural Information Processing Systems 35 (NeurIPS 2022), pp. 11586-11601
基于传感器布置策略学习的流场重构
AI总结 本文提出一种方向感知图神经网络，用于在真实条件下重构流场，并通过改进的PPO算法优化传感器布置，提升流场重构精度。
Journal ref NeurIPS 2025
MathAtlas: 一个用于真实世界中自动形式化程度的基准
机构 * University of California, Santa Cruz（加州大学圣克ruz分校）
AI总结 本文提出MathAtlas，首个大规模真实世界研究生数学自动形式化基准，包含52k定理、定义等，包含178k数学依赖关系，实验显示其高质量但极具挑战性，现有模型在复杂依赖下表现显著下降。
Comments In submission at NeurIPS 2026
SkillOps：将LLM代理技能库视为自维护的软件生态系统进行管理
AI总结 SkillOps通过自维护软件生态系统方法管理LLM代理技能库，解决技能库中的技术债务问题，提升技能检索、组合和执行效率，实验表明其在ALFWorld上任务成功率高达79.5%。
Comments 23 pages, 9 figures. Submitted to NeurIPS 2026. Code is available at https://github.com/Hik289/SkillOps.git
CO-MAP：一种用于量子比特分配问题的强化学习方法
机构 * Fujitsu Research of America（富士通美国研究院）
AI总结 本文提出CO-MAP方法，通过强化学习策略优化量子比特映射，显著减少SWAP门开销，实测数据表明在MQTBench和Queko电路中SWAP开销降低65-85%。
Comments Under review at NeurIPS'26
支持条件流匹配是核平滑
机构 * Department of Computer Science（计算机科学系） ； University of Washington（华盛顿大学）
AI总结 本文通过核平滑理论揭示流匹配中支持集的核密度估计机制，证明流时间影响核带宽，并验证跨注意力在高维数据中的局限性。
Comments Submitted to NeurIPS 2026. 18 pages, 10 figures, 1 table. Code at https://github.com/BaroqueObama/kernel-flow-matching-code
在演绎错误下教学与学习
机构 * Department of Informatics University of Bergen（卑尔根大学信息学院） ； University of Bergen（卑尔根大学） ； VRAIN - Universitat Politecnica de Valencia（瓦伦西亚理工大学VRAIN实验室） ； Universitat Politecnica de Valencia（瓦伦西亚理工大学） ； Leverhulme Centre for the Future of Intelligence - University of Cambridge（剑桥大学未来智能中心）
AI总结 本文研究了在存在演绎错误的教学与学习框架，分析了机器教学中如何通过PAC设定生成近似正确的假设，并探讨了计算复杂性及实验验证。
Comments 15 pages, preprint neurips
双目标多维机制设计与侧信息
AI总结 本文提出一种多维机制设计方法，利用侧信息提升效率与收益。通过整合改进的VCG机制与最弱类型代理，证明在高质量侧信息下，机制性能可与无先验总社会效益竞争。
Comments Mathematics of Operations Research Special Issue on Market Design; supersedes the NeurIPS 2023 paper of the same title
大型语言模型作为隐式填补器：不确定性应与缺失信息成比例
机构 * TNO - Netherlands Organization for Applied Scientific Research（荷兰应用科学研究院） ； Dept. of Methodology and Statistics, University of Utrecht（乌得勒支大学方法学与统计学系）
AI总结 本文探讨了大型语言模型在不完整上下文下的不确定性衡量，通过实验发现熵比置信度更能反映缺失信息的影响，且在不同证据水平上解释了更多准确性变化。
Comments 9 pages, 3 figures, 2 tables, NeurIPS 2026 position paper
从群体尺度上的下一步尖峰预测隐式行为解码
机构 * Department of Electrical and Computer Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校电气与计算机工程系） ； UC Santa Cruz Genomics Institute, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校基因组研究所） ； Department of Biomolecular Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校生物分子工程系） ； Department of Applied Mathematics, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校应用数学系） ； Department of Computer Science and Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校计算机科学与工程系）
AI总结 本文提出利用单个Mamba预测器在一次前向传递中实现神经群体活动预测和动物行为状态解码，通过轻量级线性头在匹配时间上下文中优于原始尖峰计数解码，验证了在Steinmetz视觉辨别基准上的有效性。
Comments 21 pages, 6 figures, 5 tables; submitted to NeurIPS 2026 Neuroscience & Cognitive Science Track
SpikeProphecy：大规模用于自回归神经群体预测的基准测试
机构 * Department of Electrical and Computer Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校电气与计算机工程系） ； UC Santa Cruz Genomics Institute, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校基因组研究所） ； Department of Computer Science and Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校计算机科学与工程系） ； Department of Applied Mathematics, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校应用数学系） ； Department of Biomolecular Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校生物分子工程系）
AI总结 本文提出SpikeProphecy基准测试，用于评估自回归神经群体预测，通过分解指标揭示数据结构，验证了不同架构在预测脑区可预测性上的表现。
Comments 26 pages, 4 figures, 12 tables; submitted to NeurIPS 2026 Datasets and Benchmarks Track; processed dataset at https://huggingface.co/datasets/mysteriousauthor/spikeprophecy-steinmetz (CC-BY-4.0); code at https://github.com/JohnMinnick/SpikeProphecy-A-Large-Scale-Benchmark-for-Autoregressive-Neural-Population-Forecasting
ConRetroBert：基于指数移动平均的双编码器用于基于模板的单步逆合成
机构 * Department of Industrial Engineering（工业工程系）
AI总结 ConRetroBert通过将模板逆合成重构为密集产品模板检索和候选集列表排序，提升了模板基于方法的性能，其双编码器框架在USPTO-50k基准上实现了更高的反应准确率。
Comments Submitted to NeurIPS 2026 Main Conference
IGT-OMD：隐式梯度传输用于延迟反馈下的决策聚焦学习
机构 * Thayer School of Engineering, Dartmouth College（达特茅斯学院泰勒工程学院）
AI总结 本文提出IGT-OMD算法，通过隐式梯度传输减少延迟反馈下的传输误差，实现子线性 regrets 绑定，并在多个任务中验证了其有效性。
Comments 9 pages, 4 figures, NeurIPS 2026 conference
Gyan：一种可解释的神经符号语言模型
机构 * Innospark Ventures & Gyan AI（Innospark Ventures及Gyan AI） ； Gyan AI Inc.（Gyan AI公司）
AI总结 Gyan基于非Transformer架构构建，克服了传统大语言模型的局限性，在多个数据集上取得SOTA表现，展示了可信任且可靠的使命关键任务模型潜力。
Comments also submitted to NeurIPS 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈