NeurIPS

PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting

PLANA3R: 通过前馈平面撒点实现零样本度量平面三维重建

Changkun Liu, Bin Tan, Zeran Ke, Shangzhan Zhang, Jiachen Liu, Ming Qian, Nan Xue, Yujun Shen, Tristan Braud

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Group（蚂蚁集团） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 PLANA3R通过前馈平面撒点实现零样本度量平面三维重建，无需显式平面监督，适用于大规模立体数据集。

Comments Camera-ready version of a paper in 39th Conference on Neural Information Processing Systems (NeurIPS 2025). The project page is available at: https://lck666666.github.io/plana3r

Compositional Reasoning with Transformers, RNNs, and Chain of Thought

基于变换器、RNN和思维链的组合推理

Gilad Yehudai, Noah Amsel, Joan Bruna

机构 * Courant Institute of Mathematical Sciences（Courant数学科学研究所） ； New York University（纽约大学） ； Center for Data Science（数据科学中心） ； Center for Computational Mathematics（计算数学中心） ； Flatiron Institute（Flatiron研究所） 纠错

AI总结 本文研究了变换器、RNN和思维链架构在解决组合推理问题上的表现，证明了不同架构在处理此类问题时各有优劣，无一严格优于其他。

Comments NeurIPS CR version

Reflective Translation: Improving Low-Resource Machine Translation via Structured Self-Reflection

反思性翻译：通过结构化自我反思改进低资源机器翻译

Nicholas Cheng

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文提出反思性翻译框架，通过结构化自我反思提升低资源语言的机器翻译质量，实验表明其在BLEU和COMET评分上均有显著提升。

Comments 12 pages, 3 figures, 6 tables. Accepted to the NeurIPS 2025 Workshop on Multilingual Representation Learning (Mexico City) and the AAAI 2025 Workshop on Language Models for Under-Resourced Communities (LM4UC). Code and data available at: https://github.com/Nickcheng123/reflective-translation-mt

Principled Fine-tuning of LLMs from User-Edits: A Medley of Preference, Supervision, and Reward

基于用户修改的LLM原理化微调：偏好、监督与奖励的融合

Dipendra Misra, Aldo Pacchiano, Ta-Chung Chi, Ge Gao

AI总结 本文提出了一种基于用户修改的LLM微调方法，通过融合偏好、监督和奖励反馈，提升模型在不同任务中的适应能力。

Comments Accepted at NeurIPS 2025

Conformal Online Learning of Deep Koopman Linear Embeddings

深度Koopman线性嵌入的符合在线学习

Ben Gao, Jordan Patracone, Stéphane Chrétien, Olivier Alata

机构 * Université Jean Monnet Saint-Etienne（Jean Monnet圣艾蒂安大学） ； CNRS（法国国家科学研究中心） ； Institut d’Optique Graduate School（光学研究生学院） ； Inria（法国国家信息与自动化技术研究院） ； Laboratoire Hubert Curien UMR 5516（Hubert Curien实验室） ； Université Lyon 2（里昂2大学） ； Laboratoire ERIC Bron（Bron ERIC实验室） 纠错

AI总结 COLoKe通过结合深度特征学习和多步预测一致性，实现非线性动力系统Koopman嵌入的自适应更新，有效减少冗余更新并提升长期预测准确性。

Comments NeurIPS 2025

LLM Agents for Knowledge Discovery in Atomic Layer Processing

用于原子层处理中知识发现的LLM代理

Andreas Werbrouck, Marshall B. Lindsay, Matthew Maschmann, Matthias J. Young

机构 * University of Missouri Columbia（密苏里大学哥伦比亚分校） 纠错

AI总结 本研究利用LLM代理在原子层处理中探索化学相互作用，通过试错和持续探索实现知识发现。

Comments Accepted submission to the AI4MAT workshop@NEURIPS 2025. As submitted, except author names added

Agentic Plan Caching: Test-Time Memory for Fast and Cost-Efficient LLM Agents

代理计划缓存：用于快速且低成本LLM代理的测试时间内存

Qizheng Zhang, Michael Wornow, Gerry Wan, Kunle Olukotun

机构 * Stanford University（斯坦福大学） 纠错

AI总结 Agentic Plan Caching通过测试时间内存提取并重用结构化计划模板，降低LLM代理服务成本和延迟，提升效率。

Comments NeurIPS 2025. 27 pages

Privacy Reasoning in Ambiguous Contexts

模糊情境中的隐私推理

Ren Yi, Octavian Suciu, Adria Gascon, Sarah Meiklejohn, Eugene Bagdasarian, Marco Gruteser

机构 * Google Research（谷歌研究） 纠错

AI总结 本研究通过设计Camber框架，探讨上下文消歧对提升语言模型隐私推理能力的影响，实验显示消歧可显著提高精度和召回率，减少提示敏感性。

Journal ref Advances in Neural Information Processing Systems 38 (2025)

ForensicHub: A Unified Benchmark & Codebase for All-Domain Fake Image Detection and Localization

ForensicHub: 一个统一的基准与代码库用于所有领域伪造图像检测与定位

Bo Du, Xuekang Zhu, Xiaochen Ma, Chenfan Qu, Kaiwen Feng, Zhe Yang, Chi-Man Pun, Jian Liu, Ji-Zhe Zhou

AI总结 ForensicHub 提出一个统一的基准与代码库，用于所有领域伪造图像检测与定位，通过模块化架构和配置驱动设计，实现跨领域灵活组合和深入分析。

Comments NeurIPS 2025 DB Track Paper. Code available at: https://github.com/scu-zjz/ForensicHub

MIP against Agent: Malicious Image Patches Hijacking Multimodal OS Agents

针对代理的恶意图像补丁：多模态操作系统代理劫持

Lukas Aichberger, Alasdair Paren, Guohao Li, Philip Torr, Yarin Gal, Adel Bibi

机构 * Johannes Kepler University Linz（约翰内斯·开普勒大学林茨） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出恶意图像补丁（MIPs）攻击，通过篡改屏幕区域使多模态OS代理执行有害操作，揭示了OS代理的安全漏洞。

Comments NeurIPS 2025

A Few Bad Neurons: Isolating and Surgically Correcting Sycophancy

几个坏神经元：隔离并外科手术性纠正阿谀行为

Claire O'Brien, Jessica Seto, Dristi Roy, Aditya Dwivedi, Sunishchal Dev, Kevin Zhu, Sean O'Brien, Ashwinee Panda, Ryan Lagasse

机构 * Algoverse ； RAND ； Meta FAIR ； University of Maryland（马里兰大学） ； Lockheed Martin AI Center（洛克希德·马丁人工智能中心） 纠错

AI总结 本文提出通过隔离并微调最负责特定行为的神经元来实现LLM行为对齐，展示了在减少阿谀行为任务上的有效性。

Comments Accepted to NeurIPS Workshop on CogInterp and NeurIPS Workshop on Reliable ML 2025

ExPO: Unlocking Hard Reasoning with Self-Explanation-Guided Reinforcement Learning

ExPO: 通过自我解释引导的强化学习解锁复杂推理

Ruiyang Zhou, Shuozhe Li, Amy Zhang, Liu Leqi

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 ExPO通过自我解释引导强化学习，提升模型在复杂推理任务中的学习效率和性能。

Comments Accepted to NeurIPS 2025 (Poster). Code available at https://github.com/HumainLab/ExPO_rl_reasoning_by_explanation

Global Minimizers of $\ell^p$-Regularized Objectives Yield the Sparsest ReLU Neural Networks

ℓ^p正则化目标的全局极小解产生最稀疏的ReLU神经网络

Julia Nakhleh, Robert D. Nowak

AI总结 本文提出了一种连续可微的训练目标，通过ℓ^p准范数最小化，保证找到最稀疏的ReLU神经网络解，为稀疏性诱导提供了理论基础。

Comments Update to final published version (NeurIPS 2025). Fixed one incorrect citation

Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge

多智能体机器人系统（MARS）挑战的进展与创新

Li Kang, Heng Zhou, Xiufeng Song, Rui Li, Bruno N. Y. Chen, Ziye Wang, Ximeng Meng, Stone Tao, Yiran Qin, Xiaohong Liu, Ruimao Zhang, Lei Bai, Yilun Du, Hao Su, Philip Torr, Zhenfei Yin, Ruihao Gong, Yejun Zeng, Fengjun Zhong, Shenghao Jin, Jinyang Guo, Xianglong Liu, Xiaojun Jia, Tianqi Shan, Wenqi Ren, Simeng Qin, Jialing Yang, Xiaoyu Ma, Tianxing Chen, Zixuan Li, Zijian Cai, Yan Qin, Yusen Qin, Qiangyu Chen, Kaixuan Wang, Zhaoming Han, Yao Mu, Ping Luo, Yuanqi Yao, Haoming Song, Jan-Nico Zaech, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学） 纠错

AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。

Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/

Comparison requires valid measurement: Rethinking attack success rate comparisons in AI red teaming

比较需要有效的测量：重新思考AI红队中的攻击成功率比较

Alexandra Chouldechova, A. Feder Cooper, Solon Barocas, Abhinav Palia, Dan Vann, Hanna Wallach

机构 * Microsoft Research（微软研究院） 纠错

AI总结 本文重新审视AI红队中攻击成功率的比较，指出其有效性问题并提出测量理论和统计学方法以评估比较的合理性。

Journal ref NeurIPS 2025

Learning Grouped Lattice Vector Quantizers for Low-Bit LLM Compression

学习分组晶格向量量化器以实现低比特LLM压缩

Xi Zhang, Xiaolin Wu, Jiamang Wang, Weisi Lin

机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Southwest Jiaotong University（西南交通大学） 纠错

AI总结 本文提出分组晶格向量量化器，通过学习生成矩阵优化低比特LLM压缩，实现模型大小与精度的平衡。

Comments NeurIPS 2025 Poster

Contrastive Consolidation of Top-Down Modulations Achieves Sparsely Supervised Continual Learning

对比整合上行调节实现稀疏监督连续学习

Viet Anh Khoa Tran, Emre Neftci, Willem A. M. Wybo

AI总结 任务调节对比学习通过上行调节实现稀疏监督下的连续学习，提升类别增量和迁移学习性能。

Comments Accepted to NeurIPS 2025. Camera-ready version. 33 pages, 5 figures. Updated acknowledgements. Code available at: https://github.com/tran-khoa/tmcl

SimWorld-Robotics: Synthesizing Photorealistic and Dynamic Urban Environments for Multimodal Robot Navigation and Collaboration

SimWorld-Robotics: 为多模态机器人导航与协作合成逼真动态城市环境

Yan Zhuang, Jiawei Ren, Xiaokang Ye, Jianzhi Shen, Ruixuan Zhang, Tianai Yue, Muhammad Faayez, Xuhong He, Ziqiao Ma, Lianhui Qin, Zhiting Hu, Tianmin Shu

机构 * University of Virginia（弗吉尼亚大学） ； UC San Diego（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） 纠错

AI总结 SimWorld-Robotics通过合成逼真动态城市环境，提出两个多模态机器人基准测试，评估机器人在复杂场景中的导航、协作与通信能力。

Comments Conference: NeurIPS 2025 (main)

LT-Soups: Bridging Head and Tail Classes via Subsampled Model Soups

LT-Soups: 通过子采样模型汤桥接头部和尾部类别

Masih Aminbeidokhti, Subhankar Roy, Eric Granger, Elisa Ricci, Marco Pedersoli

机构 * École de technologie supérieure ； University of Bergamo（贝拉姆博大学） ； University of Trento（特伦托大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） 纠错

AI总结 LT-Soups通过两阶段模型汤框架在长尾分布中平衡头部和尾部类别性能，提升模型在不平衡数据集上的泛化能力。

Comments Neurips 2025

Far from the Shallow: Brain-Predictive Reasoning Embedding through Residual Disentanglement

远离浅层：通过残差解耦实现脑预测推理嵌入

Linyang He, Tianjun Zhong, Richard Antonello, Gavin Mischler, Micah Goldblum, Nima Mesgarani

机构 * Zuckerman Mind Brain Behavior Institute, Columbia University（扎克曼脑行为研究所，哥伦比亚大学） ； Department of Electrical Engineering, Columbia University（电气工程系，哥伦比亚大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） 纠错

AI总结 通过残差解耦方法，研究实现了对语言推理过程的神经嵌入解耦，揭示了推理在大脑中的独特预测能力及时间特征。

Comments Accepted at NeurIPS 2025

Learning the Wrong Lessons: Syntactic-Domain Spurious Correlations in Language Models

学习错误的教训：语言模型中的语法-领域虚假相关性

Chantal Shaib, Vinith M. Suriyakumar, Levent Sagun, Byron C. Wallace, Marzyeh Ghassemi

机构 * Northeastern University（东北大学） ； MIT（麻省理工学院） ； Meta 纠错

AI总结 研究揭示了语言模型中语法与领域之间的虚假相关性问题，指出训练数据中语法模板可能影响模型性能，并提出需测试此类相关性及确保训练数据多样性以防止错误学习。

Comments NeurIPS 2025 Spotlight

Multi-scale Temporal Prediction via Incremental Generation and Multi-agent Collaboration

多尺度时间预测 via 逐步生成和多智能体协作

Zhitao Zeng, Guojian Yuan, Junyuan Mao, Yuxuan Wang, Xiaoshuang Jia, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； Alibaba Group（阿里巴巴集团） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出了一种多尺度时间预测方法，通过逐步生成和多智能体协作，提升多尺度和多状态预测的准确性和一致性。

Comments 20 pages, 6 figures

Journal ref NeurIPS 2025

FedMentor: Domain-Aware Differential Privacy for Heterogeneous Federated LLMs in Mental Health

FedMentor: 域感知差分隐私用于心理健康领域异构联邦大语言模型

Nobin Sarwar, Shubhashis Roy Dipta

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） 纠错

AI总结 FedMentor通过整合LoRA和域感知差分隐私，实现对心理健康领域异构联邦大语言模型的隐私保护微调，提升安全性并保持模型效用。

Comments NeurIPS 2025 GenAI4Health Workshop

IPFormer: Visual 3D Panoptic Scene Completion with Context-Adaptive Instance Proposals

IPFormer: 基于上下文自适应实例提案的视觉3D全景场景补全

Markus Gross, Aya Fahmy, Danit Niwattananan, Dominik Muhle, Rui Song, Daniel Cremers, Henri Meeß

机构 * Fraunhofer Institute IVI（弗劳恩霍夫研究所IVI） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 IPFormer通过上下文自适应实例提案实现视觉3D全景场景补全，提升场景理解与泛化能力。

Journal ref Advances in Neural Information Processing Systems (NeurIPS) 2025

SWE-SQL: Illuminating LLM Pathways to Solve User SQL Issues in Real-World Applications

SWE-SQL：揭示LLM解决现实应用中用户SQL问题的路径

Jinyang Li, Xiaolong Li, Ge Qu, Per Jacobsson, Bowen Qin, Binyuan Hui, Shuzheng Si, Nan Huo, Xiaohan Xu, Yue Zhang, Ziwei Tang, Yuanshuai Li, Florensia Widjaja, Xintong Zhu, Feige Zhou, Yongfeng Huang, Yannis Papakonstantinou, Fatma Ozcan, Chenhao Ma, Reynold Cheng

机构 * HKU STAR Lab（香港大学STAR实验室） ； Google Cloud（谷歌云） ； CUHKSZ（香港中文大学） ； CUHK（香港中文大学） ； THU（清华大学） ； The BIRD Team（BIRD团队） 纠错

AI总结 SWE-SQL通过引入BIRD-CRITIC基准和Six-Gym训练环境，提升开源模型解决SQL问题的能力，实现对复杂SQL调试任务的突破。

Comments 29 pages, 10 figures, NeurIPS 2025 Main

Advancing Expert Specialization for Better MoE

推动专家专业化以提升MoE

Hongcan Guo, Haolang Lu, Guoshun Nan, Bolun Chu, Jialin Zhuang, Yuan Yang, Wenhao Che, Xinye Cao, Sicong Leng, Qimei Cui, Xudong Jiang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出正交性损失和方差损失，提升MoE模型专家专业化，显著提高性能并保持负载平衡。

Comments 33pages, 6figures(Accepted by Neurips 2025 Oral)

Photography Perspective Composition: Towards Aesthetic Perspective Recommendation

摄影视角构图：迈向审美视角推荐

Lujian Yao, Siming Zheng, Xinbin Yuan, Zhuoxuan Cai, Pu Wu, Jinwei Chen, Bo Li, Peng-Tao Jiang

机构 * vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） 纠错

AI总结 本文提出摄影视角构图（PPC）方法，通过自动化数据集构建、视频生成和视角质量评估模型，解决视角变换数据稀缺和评估标准模糊的问题，帮助普通用户提升摄影构图能力。

Comments Accepted at NeurIPS 2025

ELECTRA: A Cartesian Network for 3D Charge Density Prediction with Floating Orbitals

ELECTRA：一种用于3D电荷密度预测的笛卡尔网络

Jonas Elsborg, Luca Thiede, Alán Aspuru-Guzik, Tejs Vegge, Arghya Bhowmik

机构 * Technical University of Denmark（丹麦技术大学） ； CAPeX Pioneer Center for Accelerating P2X Materials Discovery（CAPeX先锋中心） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute） 纠错

AI总结 ELECTRA通过笛卡尔张量网络预测漂浮轨道位置，实现高效且准确的3D电荷密度预测，并显著降低DFT计算的SCF迭代次数。

Comments 10 pages, 4 figures, 5 tables, NeurIPS 2025

GeneMAN: Generalizable Single-Image 3D Human Reconstruction from Multi-Source Human Data

GeneMAN: 从多源人类数据中通用的单图像3D人体重建

Wentao Wang, Hang Ye, Fangzhou Hong, Xue Yang, Jianfu Zhang, Yizhou Wang, Ziwei Liu, Liang Pan

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； SAIS & SCS, Shanghai Jiao Tong University（上海交通大学SAIS与SCS） 纠错

AI总结 GeneMAN通过多源高质量数据集和深度学习方法，实现从单张图像到高保真3D人体的通用重建。

Comments Accepted by NeurIPS 2025; Project page: https://roooooz.github.io/GeneMAN/

Mixing Expert Knowledge: Bring Human Thoughts Back To the Game of Go

融合专家知识：将人类思维带回围棋游戏

Yichuan Ma, Linyang Li, Yongkang Chen, Peiji Li, Jiasheng Ye, Qipeng Guo, Dahua Lin, Kai Chen

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 LoGos通过融合围棋专家知识与通用推理能力，实现了在围棋领域的专业水平表现，展示了自然语言推理和战略决策能力。

Comments Accepted to NeurIPS 2025