期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
AIMO可解释性挑战
机构 * National Institute of Informatics（日本国立信息学研究所） ； Munich Center for Machine Learning / MaiNLP LMU（慕尼黑机器学习中心/慕尼黑大学语言与文学计算研究所） ； University of Tübingen（图宾根大学） ； Fuzhou University（福州大学） ； Masaryk University（马萨里克大学） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学）
AI总结 提出AIMO可解释性挑战，基于前沿数学语言模型内部机制区分稳健与虚假推理。利用AIMO问题等资源，提供推理问题、模型访问及鲁棒性评估，助参与者开发识别稳健模型的方法，创建新基准和基线系统，连接可解释性与泛化研究。
Comments Accepted Competition at NeurIPS 2026
通过拍卖进行向量搜索的聚类
AI总结 研究针对大规模近似最近邻搜索中查询探测函数和数据库分区未分开处理的问题，提出CwA方法，联合学习平衡的数据库分区与神经探测函数，通过交替两步优化搜索性能，扩展后在不同分布下表现出色，提升了吞吐量。
Comments 10 pages, 6 figures. Under review at NeurIPS 2026
PUe：基于因果推断的有偏正无标记学习增强
机构 * Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 研究正无标记学习问题，基于SAR-PU倾向加权框架提出PUe框架，运用归一化倾向得分和NIPW，有归一化逆概率加权风险公式等贡献，在多个数据集实验中，在非均匀标签分布下优于多个PU基线。
Comments Extended arXiv version of the NeurIPS 2023 paper; includes additional discussion of related SAR-PU work
平坦性与梯度对齐都是必要的：面向多分布学习的频谱感知梯度对齐探索
机构 * Department of Informatics and Telematics（信息与电信系）
AI总结 本文提出SAGE方法，通过同时考虑损失景观的平坦性和梯度对齐性，改进多分布学习的泛化性能，实验表明其在DomainBed上达到新水平。
Comments Preprint - Submitted to NeurIPS 2026
一种用于降水现在预测的空间-时间转换器
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出SaTformer，一种基于空间-时间注意力的视频转换器，用于从卫星辐射预测极端降水，并在NeurIPS Weather4Cast 2025挑战中取得第一名。
Comments NeurIPS Weather4Cast Challenge 2025
受限在线资源分配中的效率、可行性和激励意识
AI总结 研究长期约束下不可分割资源给策略性主体的动态分配，提出激励感知原始对偶框架，整合组件抑制操纵，设计新算法克服障碍，实现$\tilde{\mathcal O}(\sqrt T)$社会福利遗憾，满足约束并诱导近似真实均衡，还能推广到多单位多需求问题。
Comments A preliminary version was accepted to NeurIPS 2025. This version includes extension to multi-unit resource allocation, expanded numerical simulation, extensively refind technical exposition, and enhanced literature review and positioning
用于分布外检测的核主成分分析：非线性核选择与近似
机构 * Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； China Mobile (Shanghai) Information and Communication Technology Co., Ltd.（中国移动（上海）信息技术有限公司） ； School of Computing, Macquarie University（麦考瑞大学计算机学院）
AI总结 研究针对深度神经网络分布外检测问题，利用核主成分分析框架，通过选择余弦 - 高斯核及近似技术，有效刻画分布外与分布内数据差异，提高检测功效和效率，为非线性特征子空间检测提供新见解与方法。
Comments This study is an extension of its conference version published in NeurIPS'24, see https://proceedings.neurips.cc/paper_files/paper/2024/hash/f2543511e5f4d4764857f9ad833a977d-Abstract-Conference.html
将深度强化学习应用于HP模型进行蛋白质结构预测
机构 * Department of Computer Science, School of Computing, National University of Singapore（新加坡国立大学计算机科学系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； NVIDIA Seattle Robotics Lab（NVIDIA西雅图机器人实验室） ； Department of Physics, City University of Hong Kong（香港城市大学物理系）
AI总结 本研究利用深度强化学习解决HP模型中的蛋白质结构预测问题，通过深度Q网络和LSTM架构提升搜索效率，找到多个最佳解。
Comments Published at Physica A: Statistical Mechanics and its Applications, available online 7 December 2022. Extended abstract accepted by the Machine Learning and the Physical Sciences workshop, NeurIPS 2022
Journal ref Physica A: Statistical Mechanics and its Applications 609 (2023) 128395
谱扩散过程
机构 * University of Oxford（牛津大学） ； ENS, CNRS, PSL University Paris（巴黎高等师范学院、国家科学研究中心、巴黎大学） ； University of Cambridge（剑桥大学）
AI总结 研究将扩散模型应用于函数空间上的随机过程，通过谱表示分离随机部分与时空结构，用有限维扩散模型建模谱系数，经截断确保模型有效性，投影回原空间对应相关噪声扩散模型，还展示了方法在多模态数据建模及条件采样上的有效性。
Comments This version (v3) extends the previous workshop version (v2) with conditional sampling and theoretical results. Work carried out in 2022/23. V2 appeared in Score-based Methods Workshop at the 36th Conference on Neural Information Processing Systems (NeurIPS 2022)
跨架构基板：现代视觉编码器的领域超越、校准存活的几何不变量
机构 * KAUST（阿卜杜拉国王科技大学）
AI总结 发现现代视觉编码器训练后前16个主方向收敛到同一16维几何对象（跨架构基板），该基板跨视觉领域传输、校准后仍存在，并应用于无标签迁移性过滤、领域检测、低样本探测和无教师蒸馏。
Comments 14 pages, 2 figures. 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
衡量AI完成长期软件任务的能力
机构 * Model Evaluation & Threat Research (METR)（模型评估与威胁研究（METR）） ； Ohm Chip ； Anthropic
AI总结 本文提出50%任务完成时间跨度指标，用于衡量AI在完成长期软件任务方面的能力，结果显示AI模型的时间跨度呈指数增长，预计5年后将能自动化许多人类月度完成的软件任务。
Comments v4: added Chris Painter as listed author, consistent with listing in the pdf
Journal ref NeurIPS 2025
神谕高效组合半带式赌博机
机构 * CREST, ENSAE, IP Paris（CREST、ENSAE、IP巴黎） ； FairPlay joint team（FairPlay联合团队） ； London School of Economics（伦敦经济学院） ； Seoul National University（首尔国立大学）
AI总结 研究组合半带式赌博机问题，提出神谕高效框架，减少神谕调用次数，在最坏情况线性奖励设置下，算法用较少神谕查询达低遗憾值，还有协方差自适应算法及扩展到非线性奖励，降低神谕使用时间并获理论保证。
Comments NeurIPS 2025
用于高效测试时训练的异步感知机
机构 * Centre for Research in Computer Vision（计算机视觉研究中心） ； University of Central Florida（中央佛罗里达大学）
AI总结 本文提出计算高效的异步感知机APM用于测试时训练，无需特定数据集预训练等即可识别分布外图像，与现有方法性能相当，还具有独特学习属性及超越TTT的应用，为验证GLOM见解提供证据，助力共享硬件实现插值和感知。
Comments NeurIPS 2024
关于视频动作检测中的遮挡：基准数据集和训练方法
机构 * CRCV, University of Central Florida（计算机视觉研究中心、中央佛罗里达大学） ； Microsoft Research（微软研究院）
AI总结 研究视频动作检测中遮挡的影响，引入新基准数据集，发现神经网络有趣现象，得出有效训练方法，提升模型在遮挡下性能，如在O-UCF、O-JHMDB和Real-OUCF上vMAP指标分别提升32.3%、32.7%和2.6%。
Comments NeurIPS 2023
用于高效分层强化学习的解缠无监督技能发现
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对现有无监督技能发现方法中技能缠结、下游任务链接难的问题，提出DUSDi方法，通过分解技能为解缠组件，定义基于互信息目标并利用值分解优化，能有效学习解缠技能并解决下游任务，优于先前方法。
Comments Published at NeurIPS 2024
STITCH-OPE：基于引导扩散的轨迹拼接用于离线策略评估
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Toyota Research Institute（丰田研究院） ； Vector Institute（向量研究所）
AI总结 STITCH-OPE通过引导扩散生成长周期轨迹，有效降低OPE中的方差，提升在高维空间中的评估性能。
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), 2025
多智能体人工智能控制：分布式攻击阻碍实例级监测
机构 * MATS Research（MATS研究所）
AI总结 研究多智能体人工智能控制中的分布式攻击，开发FakeLab代码库，评估单智能体监测应对分布式攻击的效果，发现碎片化效应，指出其与代码比例无关，受模型能力影响，还揭示显式规划器及不同强度监测的作用。
Comments Submitted to NeurIPS; 81 pages; 32 figures and 24 tables
反事实公平的图像分类器是否满足群体公平性？——理论与实证研究
机构 * Seoul National University（首尔国立大学） ； NAVER AI Lab（NAVER人工智能实验室） ； ASRI/INMC/IPAI/AIIS, Seoul National University（首尔国立大学ASRI/INMC/IPAI/AIIS）
AI总结 研究图像分类中反事实公平与群体公平的关系，构建新数据集评估二者，发现CF不意味着GF，原因是潜在属性G，提出CKD基线，实验表明减少对G的依赖可使实现CF的模型满足GF。
Comments NeurIPS 2024 Track Datasets and Benchmarks
并非所有拒绝都是等同的：安全对齐如何在大规模情况下使网络安全失败
机构 * Cracken AI
AI总结 研究安全对齐在网络安全领域的问题，通过对24个开源语言模型的实验，以Kimi K2为例展示特定领域删减可行，探讨模型特征与删减效果的关联并分类模型，提出相关猜想。
Comments 14 pages, 11 figures. Under review at NeurIPS 2026
通过噪声增强自动编码器对音乐表示进行感知对齐
机构 * Johannes Kepler University（约翰内斯·开普勒大学） ； Queen Mary University（女王玛丽大学） ； Sony Computer Science Laboratories (CSL)（索尼计算机科学实验室（CSL））
AI总结 研究如何通过噪声增强自动编码器结合感知驱动损失对音乐表示进行感知对齐，经训练产生按感知层次结构构建的编码，此方法在估计音乐音高惊喜和预测脑电反应中效果超以前方法，还提供预训练权重。
Comments Accepted to EUSIPCO 2026. Previous version appeared in NeurIPS 2025 - AI for Music Workshop. 5 pages, 2 figures, 1 table
MASCA：基于大语言模型的信用评估多智能体系统
机构 * Kairosity（凯罗斯蒂）
AI总结 研究信用评估问题，提出基于大语言模型的MASCA多智能体系统，采用分层架构，整合对比学习，从信号博弈论角度提供理论见解，进行偏差分析，实验证明该系统在金融应用尤其是信用评分中表现优于基线方法。
Comments Accepted at NeurIPS GenAI In Finance Workshop
RABBiT：基于脑调优的快速自适应BOLD基础模型，用于脑内语音诱发响应的精准零样本与少样本预测
机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 针对脑语言理解泛化难问题，提出RABBiT紧凑音频-fMRI编码器，依托脑调优等创新实现跨被试跨场景语音诱发脑响应的高精度零/少样本预测，支撑规模化脑语言分析。
Comments Under review at NeurIPS 2026
MPSelectTune：微调中的提示类型选择可提高大语言模型中的概念遗忘能力
机构 * IIT Kharagpur（印度理工学院卡拉格布尔分校） ； MPI-SWS（马克斯·普朗克软件系统研究所） ； HPE Labs（慧与实验室）
AI总结 研究大语言模型中去除有害概念难题，提出对抗方法用联合提示预测主任务和概念任务，MPSelectTune两阶段方法可提升平均遗忘性能，实验显示能提高主任务精度并降低概念精度。
Comments Accepted at NeurIPS 2025 - Reliable ML Workshop (https://openreview.net/forum?id=Jk8sOL97Tg#discussion)
关于分子优化的离散扩散在线适应设计空间
机构 * Caltech（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； Genesis Molecular AI（创世纪分子人工智能公司）
AI总结 研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。
Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems
关于脑间网络的一种几何结构
机构 * Max Planck Institute for Human Cognitive and Brain Sciences（人类认知与脑科学研究所） ； Okinawa Institute of Science and Technology（冲绳科学和技术研究所） ； Harvard University（哈佛大学）
AI总结 受网络科学中几何见解成功整合启发，提出利用离散几何研究社交互动中神经交互动态重构，通过熵指标识别网络连通性关键转变，增强超扫描方法揭示神经机制的能力。
Comments 4 pages, 1 figure, 2 appendixes, accepted NeurIPS 2025 Workshop on Symmetry and Geometry in Neural Representations (NeurReps) and the Proceedings of the Geometry, Topology, and Machine Learning Workshop, PMLR 325:145-152
空间思考者：通过密集奖励强化场景图基础的空间推理
机构 * University of Oxford（牛津大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 研究针对多模态大语言模型空间推理难题，提出SpatialThinker，通过在线强化学习统一场景图生成与视觉推理，构建心理场景图并借助密集奖励推理，贡献包括基于SGG推理、高质量训练数据集及密集奖励设计。
Comments Preprint. Accepted at NeurIPS 2025 Workshops on SPACE in Vision, Language, and Embodied AI (SpaVLE) as Oral, Embodied World Models for Decision Making (EWM), Aligning Reinforcement Learning Experimentalists and Theorists (ARLET), and Scaling Environments for Agents (SEA)
因果混沌！用于基于动态视觉场景的更长因果链上的综合因果动作问答的数据集
机构 * Institute of High-Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Singapore Polytechnic（新加坡理工学院）
AI总结 针对因果视频问答中现有数据集因果推理深度不足的问题，利用卡通特性构建CausalChaos!数据集，含因果链等问题并引入错误答案挖掘，为因果关系建模等发展助力。
Comments NeurIPS 2024
谁获得奖励 & 谁受到责备？面向多LLM智能体的评估对齐训练信号
机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学）
AI总结 提出一个理论框架，结合合作博弈归因与过程奖励建模，将系统级评估转化为智能体信用和消息级信号，用于多LLM智能体训练。
Comments Accepted at the NeurIPS 2025 Workshop on Bridging Language, Agent, and World Models for Reasoning and Planning (LAW 2025)
超越标准模型的迁移学习
机构 * Princeton University（普林斯顿大学） ； Flatiron Institute（Flatiron研究所）
AI总结 本文探讨了迁移学习在宇宙学模型中的应用，通过预训练标准模型并微调其他模型，减少模拟需求，但指出物理退化可能引发负迁移，最佳架构包含瓶颈结构。
Comments 4+8 pages, 7 figures. Accepted at NeurIPS 2025 Workshop: Machine Learning and the Physical Sciences
Journal ref JCAP06(2026)026
KungfuBot: 基于物理的人形全身控制用于学习高动态技能
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（华东理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； ShanghaiTech University（上海科技大学）
AI总结 提出基于物理的人形控制框架，通过多步运动处理和自适应跟踪机制，实现高动态行为（如功夫、舞蹈）的模仿学习，在Unitree G1机器人上成功部署。
Comments NeurIPS 2025. Project Page: https://kungfubot.github.io/
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