期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
好分数，坏数据：一种多模态一致性度量
机构 * AI Architect（人工智能架构师） ； Author, Data Engineering for Multimodal AI (O’Reilly)（多模态AI数据工程作者（O’Reilly）） ； Stanford School of Engineering, Graduate Certificate (in progress)（斯坦福工程学院，研究生证书（在读））
AI总结 本文提出多模态一致性度量（MCS），用于评估多模态融合质量，不依赖下游模型。通过四个维度（身份、空间、语义、决策）评估，MCS在1000张视觉基因组图像和150张COCO图像上验证，比任务准确率更敏感。
Comments 9 pages, 6 figures, NeurIPS 2024 format
NPN：非线性投影的空域用于成像反问题
机构 * Department of Electrical, Electronics, and Telecommunications Engineering（电气电子与电信工程系） ； Department of Systems Engineering and Informatics（系统工程与信息学系） ； Universidad Industrial de Santander（圣安德烈大学）
AI总结 本文提出NPN，一种新的正则化方法，通过神经网络在传感矩阵的空域低维投影中促进解，提升成像反问题的重建精度。
Comments 25 pages, 12 tables, 10 figures. Accepted to NeurIPS 2025
Journal ref Proceedings of the The Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
DeepASA: 一种面向多用途的面向对象网络用于听觉场景分析
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 DeepASA提出了一种多用途模型，通过统一框架实现多输入多输出声源分离、消回声、声音事件检测、音频分类和到达方向估计。采用面向对象处理策略，通过链式推理机制提升任务鲁棒性。
Comments 21 pages, 13 figures, 11 tables, published in NeurIPS 2025
无需反向传播训练哈密顿神经网络
机构 * School of Computation, Information and Technology（计算、信息与技术学院） ； Technical University of Munich（慕尼黑技术大学） ； Institute for Advanced Study（高级研究学院） ； Munich Data Science Institute（慕尼黑数据科学研究所）
AI总结 本文提出无需反向传播的算法，通过数据驱动与数据无关的方法加速训练近似哈密顿系统的神经网络，展现更高的效率与精度。
Comments 5 pages, 2 figures and 2 tables in the main text, includes an Appendix section, accepted to NeurIPS 2024 Workshop ML4PS
Journal ref In Workshop on Machine Learning and the Physical Sciences, Advances in Neural Information Processing Systems (NeurIPS), 2024
说什么和何时说：Live Fitness Coaching作为情境交互的测试平台
机构 * TwentyBN GmbH（TwentyBN公司） ； Qualcomm AI Research（高通人工智能研究） ； Aignostics GmbH（Aignostics公司） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 本文提出QEVD基准和数据集，研究人类与AI在健身指导中的情境交互，测试视觉语言模型在实时反馈中的能力，揭示现有模型的局限并提出异步流式基线方法。
Comments Accepted to the 2024 NeurIPS Datasets and Benchmarks track; Data: https://www.qualcomm.com/developer/software/qevd-dataset Dataset quick start guide: https://github.com/varworkshop/ai_coach_fitness_2026 and Stream-VLM code: https://github.com/Qualcomm-AI-research/FitCoach
破解 juxtaposition 的密码：AI 模型能否理解幽默的矛盾
机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Department of Computer and Data Sciences, Case Western Reserve University（凯斯西储大学计算机与数据科学系）
AI总结 本文探讨了AI在理解基于矛盾叙事的幽默中的挑战，通过引入YesBut基准测试，评估大型语言模型在识别和解释漫画中的表现，发现即使是最先进的模型仍无法匹敌人类水平。
Comments NeurIPS 2024 (Oral)
EMBER：在混合大语言模型架构中通过学习的脉冲神经网络动态实现自主认知行为
机构 * Independent Researcher（独立研究者）
AI总结 本文提出EMBER架构，通过学习的脉冲神经网络动态实现大语言模型与记忆之间的关系重组，利用STDP和奖励调节学习实现自主行为决策。
Comments Preprint. 9 pages, 2 figures, 3 tables. NeurIPS 2026 format
超越静态沙箱：为自主AI代理的学得能力治理
机构 * Institute for Applied AI Research（应用人工智能研究所） ； Faculty of Computer and Information Science（计算机与信息科学学院） ； Ben-Gurion University of the Negev（贝内-约尔大学）
AI总结 本文提出Aethelgard框架，通过学得策略实现AI代理的最小必要能力集，解决能力过度配置问题。
Comments 17 pages (9 content pages), 2 figures, 7 tables. Submitted to NeurIPS 2026 Agent Safety Workshop. Code and dataset available at https://github.com/sidikbro/aethelgard
FaCT：用于解释神经网络决策的忠实概念追踪
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所）
AI总结 本文提出FaCT模型，通过共享类间概念实现忠实解释，引入C²-Score评估概念一致性，提升可解释性同时保持ImageNet性能。
Comments 35 pages, 23 figures, 2 tables, Neural Information Processing Systems (NeurIPS) 2025; Code is available at https://github.com/m-parchami/FaCT
SciML代理：编写求解器，而非解决方案
机构 * UC Berkeley（加州大学伯克利分校） ； LBNL（劳伦斯伯克利国家实验室） ； ICSI（国际计算机科学研究所）
AI总结 本文探讨利用LLM编写科学机器学习求解器，通过设计新数据集评估不同模型在ODE问题中的表现，发现引导提示和微调能有效提升求解准确性。
Journal ref NeurIPS 2025 Math-AI Workshop
通过分段文本条件化增强文本到图像扩散变换器
机构 * Tongji University（同济大学） ； The Ohio State University（俄亥俄州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shandong Academy of Sciences（山东省科学院） ； Macquarie University（麦考瑞大学）
AI总结 本文提出DiT-ST框架，通过分段文本条件化提升扩散变换器对完整文本描述的理解能力，通过分层递进的方式注入不同语义基本类型，增强特定语义基本类型的表示学习。
Comments NeurIPS 2025
区域解释：连接局部和全局变量重要性
机构 * J.P. Morgan AI Research（摩根大通人工智能研究院） ； LaMME, ENSIIE, University Paris Saclay（巴黎萨克雷大学ENSIIE LaMME实验室） ； Capgemini Invent（凯捷创新）
AI总结 本文分析了局部归因方法Local Shapley Values和LIME的局限性，提出R-LOCO方法通过区域划分提升归因准确性，实现局部与全局解释的结合。
Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
在协作学习和优化中激励竞争者诚实
机构 * MPI for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（图宾根）） ； ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） ； Sofia High School of Mathematics（索非亚数学高中）
AI总结 研究探讨了协作学习中竞争者诚实激励问题，提出机制确保学习质量，并在非凸联邦学习基准中验证了激励方案的有效性。
Comments Updated experimental results after fixing a mistake in the code. Previous version published in NeurIPS 2023; 37 pages, 5 figures
在修复前验证：面向可信跨语言代码分析的代理执行 grounding
AI总结 本文提出统一的跨语言漏洞生命周期框架，通过LLM驱动的三个阶段：混合结构-语义检测、执行 grounding 的代理验证和验证-aware 的迭代修复，确保修复前有执行验证。框架利用uAST和图神经网络融合，实现高准确率的漏洞检测与跨语言修复。
Comments 20 pages (13 main + 7 appendices), 9 figures, 10 tables. Submitted to NeurIPS 2026
多模态大语言模型能否提供实时逐步任务指导？
机构 * Qualcomm AI Research（高通人工智能研究院） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文提出Qualcomm Interactive Cooking基准和数据集，用于评估多模态大语言模型在实时任务指导中的能力，引入LiveMamba作为新的基线模型。
Comments Accepted to NeurIPS 2025 (Project page: https://apratimbh.github.io/livecook)
面向科学机器学习算法的共同任务框架：对关键评估的共同任务框架
AI总结 本文提出共同任务框架（CTF）以解决科学机器学习算法评估中的标准化问题，通过定制数据集和任务特定指标，提供结构化评估方法，以提高可重复性和科学进步。
Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems Datasets and Benchmarks Track 2025
任务无关刺激对神经表示漂移的贡献
AI总结 本文研究了任务无关刺激如何通过学习噪声导致神经表示的长期漂移，探讨了不同架构和学习规则下的漂移机制及任务相关性。
Comments NeurIPS 2025 (camera ready)
Journal ref Advances in Neural Information Processing Systems (NeurIPS) 39 (2025)
IKKA：通过临界异常进行倒置分类以实现鲁棒的视觉伺服
AI总结 IKKA通过拓扑学原理设计异常权重框架，提升在分布偏移下的视觉伺服鲁棒性，通过局部极值、边界横贯性和多尺度持续性结合，减少误差并提升吞吐量。
Comments 9 pages, 2 figures, 3 tables. Submitted to NeurIPS 2026
基于贝叶斯的 ego 图推断用于网络化多智能体强化学习
机构 * Australian Artificial Intelligence Institute（澳大利亚人工智能研究所） ； University of Technology Sydney（悉尼科技大学）
AI总结 本文提出 BayesG 框架，通过贝叶斯变分推断学习稀疏交互结构，提升网络化多智能体强化学习在大规模交通控制任务中的性能。
Comments Accepted at NeurIPS 2025. Correction to ELBO Derivation (Equations 33 and Final Objective). https://openreview.net/forum?id=3qeTs05bRL
PaceLLM：用于长上下文理解的脑启发式大语言模型
机构 * School of Information Science and Technology, Fudan University（复旦大学信息科学与技术学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 PaceLLM通过引入持久活动机制和皮层专家聚类，解决大语言模型在长上下文中的信息衰减和语义碎片化问题，提升多文档问答和无限基准任务性能，扩展上下文长度至200K tokens。
Comments Accepted by NeurIPS 2025
链式放大：通过尺度自回归和偏好对齐实现极端超分辨率
机构 * KAIST AI（韩国科学技术院人工智能系）
AI总结 本文提出Chain-of-Zoom框架，通过自回归链和多尺度提示实现极端超分辨率，利用GRPO优化文本提示对齐人类偏好，实验显示标准4x扩散模型在CoZ下可实现256倍以上高质量放大。
Comments NeurIPS 2025 (Spotlight)
关于用于训练GFlowNets的分歧度度量
AI总结 本文研究了用于训练GFlowNets的分歧度度量，设计了统计高效的梯度估计器，并验证了最小化这些分歧度能有效提升收敛速度。
Comments Accepted at NeurIPS 2024, https://openreview.net/forum?id=N5H4z0Pzvn
BADiff：带宽自适应扩散模型
机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出一种带宽自适应扩散模型，通过端到端训练策略使模型根据实时网络带宽调整生成质量，提升带宽受限环境下的图像传输效率。
Comments NeurIPS 2025 Poster
CHiQPM：校准的分层可解释图像分类
机构 * Institute for Information Processing (tnt) L3S - Leibniz Universität Hannover（信息处理研究所 (tnt) L3S - 莱布尼茨汉诺威大学） ； Intel Labs（英特尔实验室）
AI总结 CHiQPM提出了一种兼具全局和局部可解释性的图像分类模型，通过对比解释多数类和分层解释方法，实现高准确率和可解释性，为人类与AI协作提供支持。
Comments Accepted to NeurIPS 2025, updated version with correction
差分隐私的最佳臂识别
机构 * FairPlay Joint Team, CREST, ENSAE Paris（FairPlay联合团队，CREST，巴黎高等经济商业学院） ； EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院） ； Amazon（亚马逊） ； Univ. Lille, Inria, CNRS, Centrale Lille, UMR 9189 - CRIStAL, F-59000 Lille, France（里尔大学，法国国家信息与自动化研究所，法国国家科学研究中心，中央理工-里尔高等电力学院，UMR 9189 - CRIStAL，法国里尔F-59000）
AI总结 本文研究在差分隐私下最佳臂识别问题，提出CTB-TT和AdaP-TT*算法，在高隐私和低隐私情况下分别达到最优样本复杂度下界。
Comments 85 pages, 5 figures, 3 tables, 11 algorithms. To be published in the Journal of Machine Learning Research 27. This journal paper is an extended version of the conference paper Azize et al. ("On the Complexity of Differentially Private Best-Arm Identification with Fixed Confidence", NeurIPS 2023)
DiffSketcher: 通过潜在扩散模型实现文本引导的向量草图合成
机构 * Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出DiffSketcher，通过扩展的SDS损失优化贝塞尔曲线，实现从自然语言提示直接生成向量草图，提升生成质量与可控性。
Comments Accepted by NeurIPS 2023. Project page: https://ximinng.github.io/DiffSketcher-project/
FEEL：量化生理信号异质性以实现通用情感识别
AI总结 FEEL通过评估19个数据集上的EDA和PPG信号，探讨了情感识别中异质性的影响，发现CLSP模型在F1分数上表现最佳，而传统模型和手工特征方法也具有竞争力。
Comments Published at Conference on Neural Information Processing Systems (NeurIPS 2025) Track on Datasets and Benchmarks
基于适应性企业的供应链中物理气候风险 cascading 的建模：一种空间 agent-based 框架
机构 * Quantile Labs
AI总结 本文提出一个开源 Python 框架，用于建模供应链经济中的 cascading 物理气候风险，通过整合地理洪水风险与企业家庭 agent-based 模型，模拟直接资产损失和间接中断。企业通过资本硬化和备用供应商搜索适应，减少损失和中断，强调间接级联效应的重要性。
Comments V1 presented at NeurIPS 2025 Tackling Climate Change with Machine Learning workshop. V4 replaces evolutionary learning with explicit firm continuity adaptation, adds stock-flow consistency, matched-seed ensembles, cascade diagnostics, and internal validations. Code: https://github.com/yaramohajerani/spatial-climate-ABM
TS-Agent：通过迭代洞察获取理解并推理原始时间序列
机构 * JPMorgan AI Research, NY, USA（摩根大通人工智能研究院，纽约，美国）
AI总结 TS-Agent通过迭代洞察获取机制，在时间序列理解和推理任务中匹配或超越文本、视觉及时间序列语言模型基线，尤其在零样本设置下表现更优。
Comments NeurIPS 2025 Workshop on Foundations of Reasoning in Language Models
CPT：基于语言模型的可控可编辑设计变体
机构 * Adobe ； Atta
AI总结 本文提出CPT系统，利用解码器-only语言模型生成可编辑的设计变体，通过Creative Markup Language实现结构与细节的精准描述，提升设计流程的可扩展性与个性化。
Comments 18 pages, 6 figures, Accepted at NeurIPS 2025 Workshop on Generative and Protective AI for Content Creation (GenProCC 2025)
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