期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
顺应声速：将神经替代物推向高湍流跨音速领域
机构 * Emmi AI GmbH ； ELLIS Unit, Institute for Machine Learning, JKU Linz（ELLIS单位，机器学习研究所，JKU林茨）
AI总结 本文提出了一组新的跨音速三维机翼CFD模拟数据集，评估了AB-UPT在神经替代物中的表现，展示了其在未见几何形状下的空气动力学优化潜力。
Comments NeurIPS 2025 ML4PS Workshop
超越随机：数据集蒸馏中的自动内循环优化
机构 * University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出AT-BPTT框架，通过动态调整截断位置和窗口大小，提升数据集蒸馏的内循环优化性能，实现准确率提升和计算效率提升。
Comments Accepted by NeurIPS 2025
EVODiff: 基于熵的方差优化扩散推理
AI总结 EVODiff通过优化条件熵减少不确定性，提升扩散模型的推理效率和生成质量。
Comments NeurIPS 2025, 41 pages, 14 figures
破损的标记？你的语言模型可以秘密处理非标准标记化
AI总结 研究发现语言模型在面对非标准标记化时表现出意外的鲁棒性，通过指令训练可提升特定任务性能，揭示模型对标记化的依赖程度较低。
Comments NeurIPS 2025 (spotlight)
关于等变网络的普遍性类别
机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； Ca’ Foscari University of Venice（威尼斯卡·福斯卡里大学）
AI总结 本文研究了等变神经网络的普遍性类别，揭示了分离能力与表达性之间的差异，并探讨了浅层模型在不同对称群结构下的普遍性表现。
Comments Advances in Neural Information Processing Systems 38 (NeurIPS 2025; Spotlight presentation). Total 25 pages
利用Schrödinger桥梁学习非平衡扩散：从精确求解到无需模拟
机构 * University of Melbourne（墨尔本大学）
AI总结 本文提出mvOU-OTFM算法，通过流和分数匹配学习Schrödinger桥梁，适用于非平衡系统的建模与模拟。
Comments 10 pages, 5 figures, NeurIPS 2025
从横截面数据推断具有增长的随机动力学
机构 * School of Mathematics and Statistics, University of Melbourne（墨尔本大学数学与统计学学院） ； Center for Computational Biology, Flatiron Institute（Flatiron研究所计算生物学中心） ； Department of Genetics, Stanford University School of Medicine（斯坦福大学医学院遗传学系）
AI总结 该研究提出了一种新的方法，通过利用福克-计划克方程的拉格朗日公式，从横截面数据推断具有增长的随机动力学，提高了准确性并简化了训练过程。
Comments 10 pages, 5 figures, NeurIPS 2025
神经热力学：深度和通用表征学习中的熵力
AI总结 本文提出神经热力学理论，揭示深度学习中熵力与对称性打破对表征学习和优化行为的调控作用。
Comments Published at NeurIPS 2025
通过低维建模理解扩散模型的表示动态
机构 * University of Michigan（密歇根大学） ； Ohio State University（俄亥俄州立大学）
AI总结 通过低维建模研究扩散模型中单峰表示动态的形成机制及其在分类任务中的泛化能力
Comments First two authors contributed equally. Accepted at NeurIPS 2025
MemoryFormer: 通过移除全连接层来减少Transformer计算
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室，智能科学与技术学院，北京大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huawei HiSilicon（华为海思）
AI总结 MemoryFormer通过移除全连接层，利用内存查找表和哈希算法替代线性投影，显著降低Transformer计算复杂度并提升效率。
Comments NeurIPS 2024. Code available at https://github.com/ningding-o/MemoryFormer
对连续处理的因果效应进行符合预测
机构 * LMU Munich（慕尼黑莱茵河大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 本文提出了一种新的符合预测方法，用于连续处理的潜在结果，解决了倾向分数未知时的不确定性问题。
Comments Accepted at NeurIPS 2025
稀疏最大更新参数化：一种全面方法用于稀疏训练动态
机构 * Cerebras Systems（Cerebras系统）
AI总结 S$μ$Par通过重新参数化超参数，实现稀疏训练动态的稳定性和高效调优，提升稀疏模型性能。
Comments 10 pages main text, 10 pages reference and appendix, 14 figures, NeurIPS Camera-Ready
LongVPO：从锚定线索到自我推理的长视频偏好优化
机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； JIUTIAN Research（Jiutian研究） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 LongVPO通过两阶段直接偏好优化框架，利用合成数据和递归标注流程，在无需长视频标注的情况下实现高效长视频理解，优于现有开源模型并保持短视频性能。
Comments NeurIPS 2025
从文本和一组物理约束生成物理上合理的设计
机构 * DEVCOM Army Research Laboratory（陆军研发实验室）
AI总结 TIDES通过结合文本信息和物理模拟，生成符合工程要求的结构设计。
Comments NeurIPS 2025
UrbanIng-V2X: 一个大规模多车辆、多基础设施数据集，用于多个交叉口的协同感知
机构 * Technische Hochschule Ingolstadt（图恩技术高等学院） ； Technical University of Munich（慕尼黑技术大学）
AI总结 UrbanIng-V2X是一个大规模多车辆、多基础设施数据集，用于多个交叉口的协同感知研究，包含多种传感器数据和标注，旨在提升智能交通系统的感知能力。
Comments Accepted to NeurIPS 2025. Including supplemental material. For code and dataset, see https://github.com/thi-ad/UrbanIng-V2X
大型语言模型对沟通动机是否敏感？
机构 * Princeton University（普林斯顿大学） ； Anthropic
AI总结 本文研究了LLMs对沟通动机的敏感性，通过实验发现LLMs能以人类方式处理偏见信息，但需改进以适应更复杂的现实场景。
Comments NeurIPS 2025
FAST: 前景感知扩散与加速采样轨迹用于面向分割的异常合成
机构 * Global Institute of Future Technology, Shanghai Jiao Tong University, Shanghai, China（上海交通大学未来技术全球研究院） ； School of Artificial Intelligence, Shenzhen University, Shenzhen, China（深圳大学人工智能学院） ； Department of Intelligent Manufacturing, CATL, Ningde, China（CATL智能制造部门） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（香港城市大学计算机科学系）
AI总结 FAST提出一种前景感知扩散框架，通过AIAS和FARM模块提升工业异常合成效率与质量，实现更可控的结构特定异常生成。
Comments Accepted to NeurIPS 2025
泛化还是幻觉？理解Transformer中的上下文推理
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 本文研究了Transformer中上下文推理机制，揭示其驱动泛化与幻觉的双重性，并通过理论分析与实验验证了矩阵因子化在其中的关键作用。
Comments NeurIPS 2025, first three authors contributed equally
具有Epanechnikov能量的密集关联记忆
机构 * IBM Research（IBM研究院） ； Georgia Tech（佐治亚理工学院） ； Harvard（哈佛大学） ； UC Davis（加州大学戴维斯分校）
AI总结 本文提出了一种基于Epanechnikov核的LSR能量函数，用于改进DenseAM网络的记忆检索能力，并展示了其在生成任务中的潜力。
Comments Accepted as Spotlight Poster to NeurIPS 2025 main conference
MEMOIR: LLMs的终身模型编辑与最小覆盖与有意识保留
机构 * EPFL（苏黎世联邦理工学院）
AI总结 MEMOIR通过残差记忆模块实现LLM的终身模型编辑，高效处理连续编辑任务，保持模型核心能力并减少遗忘。
Comments The first two authors contributed equally to this work; Accepted to NeurIPS 2025
Watch and Listen: 通过多模态大语言模型理解音频-视觉-语音时刻
机构 * University of Western Australia（西澳大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang Laboratory（浙江实验室） ； Monash University（墨尔本大学）
AI总结 TriSense通过整合视觉、音频和语音模态，提升视频时间理解能力，采用基于查询的连接器实现多模态鲁棒性，并通过TriSense-2M数据集推动多模态视频分析发展。
Comments Accepted by NeurIPS 2025
通过强化学习逆向工程人类偏好
AI总结 通过强化学习逆向工程人类偏好，利用LLM作为评判者框架提升评估效果，方法隐蔽且具有跨模型泛化能力。
Comments NeurIPS 2025 (Spotlight)
基于扩散的逐层语义重建用于无监督分布外检测
机构 * Xidian University（西电大学） ； Hefei University of Technology（合肥工业大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学）
AI总结 本文提出基于扩散的逐层语义重建方法，用于无监督分布外检测，通过特征重建误差区分ID和OOD样本，实现高准确性和效率。
Comments 26 pages, 23 figures, published to Neurlps2024
Journal ref Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS 2024)
数据集属性对深度迁移学习成员推断漏洞的影响
机构 * Department of Computer Science, University of Helsinki（赫尔辛基大学计算机科学系） ； School of Informatics, Kyoto University（京都大学信息学系）
AI总结 研究揭示了数据集属性对深度迁移学习成员推断漏洞的影响，发现样本数量增加可降低非DP模型的漏洞，但保护最脆弱点需大规模数据集。
Comments Accepted to NeurIPS 2025; 47 pages, 13 figures
更少才是更多：从图分类视角使用更少代理的深度图度量学习
AI总结 本文提出了一种基于图分类视角的深度图度量学习方法ProxyGML，通过使用更少的代理来提升模型性能和效率。
Comments Accepted in NeurIPS 2020 as a spotlight paper. Code can be found at https://github.com/YuehuaZhu/ProxyGML
PandaPose: 通过将2D姿态先验传播到3D锚空间实现单张图像的3D人体姿态提升
机构 * School of Journalism and Information Communication, Huazhong University of Science and Technology（华中科技大学新闻与信息传播学院） ； ByteDance Inc.（字节跳动公司） ； Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（科技研究局高性能计算研究所）
AI总结 PandaPose通过将2D姿态先验传播到3D锚空间，提升单张图像的3D人体姿态估计精度，有效缓解自遮挡问题并减少误差。
Comments Accepted at NeurIPS 2025
简洁导航，深度对齐：2025年Mouse vs. AI比赛的获胜方案
机构 * University of Science, VNU-HCM Ho Chi Minh City（科学大学，河内-西贡大学，西贡市）
AI总结 本文提出了一种简洁的架构和深度的ResNet-like架构，分别在视觉鲁棒性和神经对齐方面取得优异成绩，挑战了传统模型复杂性假设。
Comments 15 pages, 8 tables. Technical Report for winning solutions (Track 1 & Track 2) at the NeurIPS 2025 Mouse vs. AI Challenge
迈向基于几何二级结构模样的多尺度蛋白质学习
机构 * Department of Mathematics and Scientific Computing and Imaging (SCI) Institute University of Utah（数学与科学计算与成像研究所（SCI）大学） ； Department of Mathematics, UCLA（数学系，加州大学洛杉矶分校） ； Department of Mathematics, UC Davis（数学系，加州大学戴维斯分校）
AI总结 本文提出了一种针对蛋白质的多尺度图学习框架，通过分层图结构和双GNN模型提升结构预测精度并降低计算成本。
Comments Published in NeurIPS 2025
UniMotion: 一种用于仿真、预测和规划的统一运动框架
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； University of Surrey（Surrey大学）
AI总结 UniMotion提出了一种统一的运动框架，通过共享结构和定制化训练策略，同时支持运动仿真、预测和规划，实现高效的任务整合和泛化能力。
Comments Accepted at NeurIPS 2025
TabRAG：通过结构化表示改进表格文档问答以增强检索增强生成
AI总结 TabRAG通过结构化表示改进表格文档问答，采用布局分割和视觉语言模型解析，提升表格问答性能。
Comments NeurIPS 2025 AI4Tab
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