期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
分布鲁棒平均奖励强化学习的样本复杂度
AI总结 本文提出两种算法，实现了分布鲁棒平均奖励强化学习的近最优样本复杂度，通过锚定状态稳定转移核并保证收敛性。
Comments Accepted at NeurIPS 2025. Updated with minor corrections and additional experiments
因果可靠的概念瓶颈模型
机构 * Università della Svizzera Italiana（瑞士意大利大学） ； University of Liechtenstein（利赫泰森大学） ； Politecnico di Torino（托尼诺理工学院） ； IBM Research（IBM研究院） ； Scuola Universitaria Professionale della Svizzera Italiana（瑞士意大利专业大学）
AI总结 本文提出C$^2$BMs，一种基于概念的因果可靠模型，通过结构化概念瓶颈提升可解释性和因果推理能力。
Comments Accepted at NeurIPS 2025
短长度对抗训练有助于LLMs防御长长度劫持攻击：理论和实证证据
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒·阿齐兹大学科学与技术学院） ； The University of Sydney（悉尼大学） ； The University of Auckland（奥克兰大学）
AI总结 本文提出通过短长度对抗训练有效防御长长度劫持攻击，理论和实验证实了这种策略的可行性。
Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
InterDreamer: 零样本文本到3D动态人-物交互
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 InterDreamer通过结合预训练模型和物理模拟，实现零样本生成3D动态人-物交互。
Comments NeurIPS 2024. Project Page: https://sirui-xu.github.io/InterDreamer/
GeoDynamics: 一种用于在黎曼流形上理解大脑动态的几何状态空间神经网络
机构 * Departments of Psychiatry and Computer Science University of North Carolina at Chapel Hill（精神病学与计算机科学系，北卡罗来纳大学教堂山分校）
AI总结 GeoDynamics是一种基于黎曼流形的几何状态空间神经网络，用于在高维空间中追踪大脑状态轨迹，揭示任务驱动状态变化及早期神经疾病标志。
Comments Accepted to NeurIPS 2025
统一代理交互与世界信息以实现多代理协调
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sungkyunkwan University（松云大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出交互-世界潜在空间框架，通过建模通信协议实现多代理协调，提升团队协作效率与鲁棒性。
Comments 2025 NeurIPS ARLET Workshop Oral presentation (https://arlet-workshop.github.io/neurips2025/schedule)
深度多项式神经网络的可识别性
机构 * Université de Lorraine, CNRS, CRAN Nancy, F-54000, France（洛林大学、法国国家科学研究中心、CRAN Nancy、法国）
AI总结 本文研究深度多项式神经网络的可识别性，揭示激活次数与层宽度的相互作用，并提出新的理论界限和结论。
Comments NeurIPS final version
AgentAuditor: 为LLM代理提供人类水平的安全性和安全性评估
AI总结 AgentAuditor通过构建经验记忆和多阶段检索生成过程，提升LLM在代理安全性和安全性评估中的性能，达到人类水平的准确性。
Comments This paper is accepted by 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
强化学习中的奖励感知原型表示
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； CIFAR AI Chair（CIFAR人工智能主席）
AI总结 本文提出了一种奖励感知的原型表示（DR），通过理论分析和实验验证，展示了其在强化学习中的优越性能。
Comments NeurIPS 2025
NegoCollab: 一种用于异构协作感知的共同表示协商方法
AI总结 NegoCollab通过协商共同表示方法解决异构协作感知中的领域差距问题，提升多智能体协作性能。
Comments 23 pages, Accepted by NeurIPS 2025
基于结果不变数据增强的因果效应估计分析
机构 * Georgia Tech（佐治亚理工学院） ； TU Munich（慕尼黑工业大学） ； Helmholtz AI（海德堡人工智能研究所） ； Fortiss GmbH（Fortiss公司） ； Rational Intelligence CISPA（理性智能CISPA） ； Google DeepMind（谷歌DeepMind） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
AI总结 本文提出基于结果不变数据增强的因果效应估计方法，通过IV-like回归减少混杂偏差并提升泛化性能。
Comments Accepted at NeurIPS 2025
核心空间中准确且高效的低秩模型合并
机构 * AImageLab, University of Modena and Reggio Emilia, Italy（AImageLab，摩德纳和雷吉奥艾米利亚大学，意大利） ； Warsaw University of Technology, Poland（华沙技术大学，波兰） ； IDEAS NCBR, Warsaw, Poland（IDEAS NCBR，华沙，波兰） ； Media Integration and Communication Center (MICC), University of Florence, Italy（媒体整合与通信中心（MICC），佛罗伦萨大学，意大利） ； IDEAS Research Institute, Warsaw, Poland（IDEAS研究所，华沙，波兰） ； Computer Vision Center, Universitat Autònoma de Barcelona, Spain（计算机视觉中心，巴塞罗那自治大学，西班牙）
AI总结 本文提出核心空间合并框架，通过在共同对齐基上合并LoRA适应模型，提升跨任务准确性并保持低秩适应效率，同时显著降低计算资源消耗。
Comments Accepted at 39th Conference on Neural Information Processing Systems (NeurIPS 2025), San Diego, USA
BNMusic: 将环境噪音融入个性化音乐
机构 * Wuhan University（武汉大学） ； Bang & Olufsen A/S（Bang & Olufsen公司） ； Princeton University（普林斯顿大学） ； LIX, École Polytechnique（巴黎政治学院LIX研究所）
AI总结 BNMusic通过将环境噪音融入个性化音乐生成，减少噪音的明显性，提升听觉体验。
Comments This paper has been accepted by NeurIPS 2025
窄门：原生多模态模型中的局部图像-文本通信
机构 * Area Science Park, Trieste, Italy（特里斯特科学公园） ； SISSA, Trieste, Italy（SISSA） ； University of Trieste, Trieste, Italy（特里斯特大学）
AI总结 研究揭示了原生多模态模型中图像与文本信息交互的机制，发现通过单个标记作为窄门影响图像理解性能，提出基于标记级干预的精细控制方法。
Comments NeurIPS 2025
SYMPHONY：异构语言模型组装的协同多智能体规划
机构 * School of Information Science and Engineering, Yunnan University, Kunming, China（信息科学与工程学院，云南大学，昆明，中国） ； Yunnan Key Laboratory of Intelligent Systems and Computing, Kunming, China（智能系统与计算云南重点实验室，昆明，中国）
AI总结 SYMPHONY通过整合异构语言模型的多智能体规划框架，提升探索能力与规划性能，实验证明其在复杂任务中的有效性。
Comments Accepted by NeurIPS 2025
看不见的威胁：在扰动样本下的机器去学习中的残留知识
机构 * JPMorganChase Global Technology Applied Research（摩根大通全球科技应用研究） ； JPMorganChase AI Research（摩根大通人工智能研究）
AI总结 本文提出RURK方法，用于缓解在对抗性扰动下机器去学习中残留知识带来的隐私风险。
Comments Presented at NeurIPS 2025
基于信息论原理的关系数据预训练框架
机构 * Michigan State University（密歇根州立大学） ； Snap Inc.（Snap公司）
AI总结 本文提出TVE框架，通过关系模式图的集合聚合建模下一窗口的关系动态，以提升关系数据库预训练任务的性能。
Comments NeurIPS'25
非凸图神经网络中边编辑的影响函数
机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Department of Computer Science & Engineering（计算机科学与工程系） ； POSTECH
AI总结 本文提出了一种非凸图神经网络中边编辑的影响函数方法，用于准确预测边删除和插入对GNN行为的影响，并展示了其在图重排和对抗攻击中的应用。
Comments Accepted by NeurIPS 2025
概念瓶颈模型分析：测量、理解和缓解嘈杂标注的影响
机构 * POSTECH
AI总结 本文提出了一种两阶段框架，通过尖锐性感知训练和不确定性校正来缓解概念瓶颈模型中噪声标注的影响，提升模型的鲁棒性和可解释性。
Comments NeurIPS 2025
在传输中迷失：当且为什么大语言模型无法全球推理
AI总结 研究指出大语言模型在处理需要高带宽通信的任务时存在能力限制，并通过BAPO模型证明了链式思维能将复杂问题简化为易处理形式。
Comments 39 pages; NeurIPS 2025, spotlight
SAC-GLAM：通过软演员-评论员和回顾重标记改进LLM代理的在线强化学习
机构 * Inria (Flowers)（Inria（Flowers）） ； University of Bordeaux（波尔多大学） ； Hugging Face ； Univ Angers（昂热大学） ； LERIA ； SFR MATHSTIC（MATHSTIC联合研究机构） ； Sorbonne Université（索邦大学） ； ISIR
AI总结 SAC-GLAM通过结合软演员-评论员算法和回顾重标记，改进LLM代理的在线强化学习，提升其在复杂环境中的策略学习能力。
Comments This work has been presented at the IMOL workshop at NeurIPS 2025 (https://neurips.cc/virtual/2024/101058)
基于证据的后验调整框架用于数据污染下的异常检测
机构 * Department of Computer Science, University of Mons（蒙斯大学计算机科学系）
AI总结 EPHAD提出一种基于证据的后验调整框架，通过测试时收集的证据提升异常检测在数据污染下的性能。
Comments Accepted in the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
MuSLR：多模态符号逻辑推理
机构 * National University of Singapore（新加坡国立大学） ； Stanford University（斯坦福大学） ； Peking University（北京大学） ； UniMelb（墨尔本大学） ； University of Auckland（奥克兰大学） ； MBZUAI（穆斯林人工智能研究所） ； University of California, Santa Barbara（加州大学圣芭芭拉分校）
AI总结 MuSLR提出了一种多模态符号逻辑推理基准，通过形式逻辑规则提升VLMs的推理能力，显著提升链式推理性能及复杂逻辑处理效果。
Comments Accepted by NeurIPS 2025
FastDINOv2：基于频率的课程学习提高鲁棒性和训练速度
AI总结 FastDINOv2通过频率过滤课程学习和高斯噪声补丁增强，提升DINOv2的鲁棒性和训练效率
Comments Accepted by 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
从缓解分类能力失衡角度重新思考多模态学习
机构 * Nanjing University of Science and Technology（南京理工大学） ； State Key Lab. for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室）
AI总结 本文提出了一种基于提升原理的多模态学习方法，通过动态平衡弱强模态的分类能力以缓解模态不平衡问题。
Comments Accepted by NeurIPS 2025
无监督发现数学常数的公式
机构 * Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 本文提出了一种无监督方法，通过公式收敛动态度量实现数学常数公式的自动聚类和发现，揭示了无限家族的数学结构。
Comments 8 figures, 5 tables, 28 pages including the supplementary information. For a 5-minute video abstract see https://recorder-v3.slideslive.com/#/share?share=97010&s=c47967e3-d585-453c-a4dd-a4fa7955dba3 . Code can be found at https://github.com/RamanujanMachine/Blind-Delta-Algorithm
Journal ref NeurIPS 2024 Conference,20073
性能预测中的紧下界与收敛性改进
机构 * Mila, Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文提出仿射风险最小化算法，通过利用历史数据集提升性能预测的收敛速度和稳定性，同时证明了新旧界在相同领域的紧性。
Comments Neural Information Processing Systems (NeurIPS 2025)
ACES: 用自激励生成模型生成多样化的编程谜题
AI总结 ACES通过自激励生成模型生成多样且更具挑战性的Python编程谜题，提升谜题的多样性和难度。
Journal ref NeurIPS 2024
脉冲神经网络压缩：针对脉冲神经网络的后训练二次压缩
机构 * School of Engineering Mathematics and Technology, University of Bristol, England（工程数学与技术学院，布里斯托大学，英格兰）
AI总结 本文提出Spiking Brain Compression（SBC）框架，通过一次性后训练压缩提升脉冲神经网络的效率，实现比传统ANN基线更高的准确率。
Comments Preliminary work accepted at non-archival OPT-ML workshop at NeurIPS 2025. The workshop version is available in an earlier version of this arXiv paper
神经微分方程与符号回归在动力系统中的实证研究
机构 * Department of Physics University of Cambridge（剑桥大学物理系）
AI总结 该研究通过实证比较神经微分方程与符号回归在动态系统建模中的表现，发现NODEs能有效外推并增强数据，SR能从噪声数据中恢复方程，为科学发现提供了新方法。
Comments Accepted at the Machine Learning and the Physical Sciences Workshop, NeurIPS 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