Private Zeroth-Order Optimization with Public Data
私有零阶优化与公共数据
AI总结 本文提出利用公共数据改进私有零阶优化算法，实现更优的隐私与效用平衡，同时提升运行效率。
Comments NeurIPS 2025
期刊&会议
NeurIPS
Conference on Neural Information Processing Systems · 会议 · Machine Learning
Aligning by Misaligning: Boundary-aware Curriculum Learning for Multimodal Alignment
通过不一致来对齐：面向多模态对齐的边界感知课程学习
机构 * Nanjing University（南京大学） ； Airon Technology CO., LTD（艾润科技有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； University of Bristol（布里斯托大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出BACL方法，通过边界感知负样本采样和局部注意力损失，提升多模态对齐性能，在多个基准上取得优于CLIP的成果。
Comments 24 pages, 6 figures, 5 tables. Submitted to NeurIPS 2025
Synergy over Discrepancy: A Partition-Based Approach to Multi-Domain LLM Fine-Tuning
协同优于差异：一种基于分区的多领域LLM微调方法
机构 * Nanjing University（南京大学） ； Airon Technology CO., LTD（艾瑞森技术有限公司） ； University of Bristol（布里斯托大学） ； The University of Oklahoma（俄克拉荷马大学） ； Donghua University（东华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种基于分区的多领域LLM微调方法，通过平衡领域差异与协同效应，有效减少领域间干扰，提升多领域适应性能。
Comments 20 pages, 5 figures, 21 tables. Accepted at NeurIPS 2025. Corresponding author: Xuan Zhang (xuanzhang2199@gmail.com)
MDReID: Modality-Decoupled Learning for Any-to-Any Multi-Modal Object Re-Identification
MDReID: 任意到任意多模态对象重识别的模态解耦学习
机构 * Northeastern University（东北大学） ； Xiamen University（厦门大学） ； National University of Singapore（新加坡国立大学）
AI总结 MDReID通过模态解耦学习和模态感知度量学习，实现了任意到任意多模态对象重识别的鲁棒性和可扩展性。
Comments Accepted by NeurIPS 2025
GSAlign: Geometric and Semantic Alignment Network for Aerial-Ground Person Re-Identification
GSAlign：面向空地行人重识别的几何与语义对齐网络
机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； Xiamen University（厦门大学） ； National University of Singapore（新加坡国立大学）
AI总结 GSAlign通过几何与语义对齐模块，有效解决空地行人重识别中的视角差异和遮挡问题，提升匹配精度。
Comments Accepted by Neurips 2025
Temporal Smoothness-Aware Rate-Distortion Optimized 4D Gaussian Splatting
时间平滑性感知的率失真优化4D高斯点溅射
AI总结 本文提出了一种针对4DGS的端到端率失真优化压缩框架，通过小波变换提升存储效率，实现高达91倍的压缩率并保持高质量渲染。
Comments 24 pages, 10 figures, NeurIPS 2025
Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos
重建、修复、测试时微调：从单目视频动态生成新视角
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出CogNVS模型，通过自监督学习和测试时微调，实现从单目视频动态场景生成新视角的高效方法。
Comments NeurIPS 2025. Project page: https://cog-nvs.github.io/
Unifying Appearance Codes and Bilateral Grids for Driving Scene Gaussian Splatting
统一外观代码与双侧网格用于驾驶场景高斯点漂浮
机构 * BAAI（北京人工智能研究院） ； AIR, THU（清华大学人工智能研究院） ； SJTU（上海交通大学） ； EIT(Ningbo)（宁波工程学院） ； CUHK（香港大学） ； LeddarTech
AI总结 本文提出了一种多尺度双侧网格方法，统一了外观代码与双侧网格，提升了自动驾驶场景中的几何重建精度。
Comments Accepted to NeurIPS 2025 ; Project page: https://bigcileng.github.io/bilateral-driving ; Code: https://github.com/BigCiLeng/bilateral-driving
Quantization Error Propagation: Revisiting Layer-Wise Post-Training Quantization
量化误差传播：重新审视分层后训练量化
机构 * Fujitsu Limited（富士通有限公司） ； Department of Basic Science（基础科学系） ； The University of Tokyo（东京大学） ； RIKEN center for AIP（理化学研究所AIP中心）
AI总结 本文提出QEP框架，通过显式传播量化误差以提升分层后训练量化在低比特下的性能。
Comments 29 pages, 3 figures, Accepted at NeurIPS 2025
Interactive and Hybrid Imitation Learning: Provably Beating Behavior Cloning
交互式和混合模仿学习：可证明地超越行为克隆
机构 * University of Arizona（亚利桑那大学）
AI总结 本文提出Warm Stagger方法，证明在按状态计算注释成本时，交互式和混合模仿学习可超越传统行为克隆方法。
Comments 42 pages, Accepted by NeurIPS 2025
Kuro Siwo: 33 billion $m^2$ under the water. A global multi-temporal satellite dataset for rapid flood mapping
Kuro Siwo：33十亿平方米水下区域。一个全球多时相卫星数据集，用于快速洪水制图
机构 * Orion Lab National Observatory of Athens & National Technical University of Athens（奥里昂实验室 希腊国家天文台 & 希腊技术大学） ； Harokopio University of Athens（哈罗基奥大学 希腊）
AI总结 Kuro Siwo是一个全球多时相卫星数据集，用于快速洪水制图，包含33十亿平方米的洪水和永久水域数据，并提供优化的SAR数据产品和基准测试。
Comments Accepted at the 38th Conference on Neural Information Processing Systems (NeurIPS 2024) Track on Datasets and Benchmarks
Improving Domain Generalization in Contrastive Learning using Adaptive Temperature Control
通过自适应温度控制提升对比学习中的领域泛化能力
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出通过自适应温度控制提升对比学习中的领域泛化能力，通过引入领域标签增强表示的领域不变性，从而提升模型在分布外场景下的性能。
Comments NeurIPS SSL Workshop 2023
Variational Autoencoder with Normalizing flow for X-ray spectral fitting
带有归一化流的变分自编码器用于X射线光谱拟合
机构 * Department of Physics & Astronomy University of Southampton（物理与天文学系 英国南安普顿大学） ； Laboratoire d’astrophysique EPFL（天体物理学实验室 EPFL） ； Harvard-Smithsonian Center for Astrophysics（哈佛-史密松天体物理中心）
AI总结 本文提出一种基于变分自编码器和归一化流的模型，用于高效X射线光谱拟合，实现快速且精确的光谱重建。
Comments 7 pages, 1 table, 3 figures. Accepted as a workshop paper to Machine Learning and the Physical Sciences at NeurIPS 2025
Tractable Multinomial Logit Contextual Bandits with Non-Linear Utilities
可计算的多名义逻辑 logit 上下文老虎机与非线性效用
机构 * Seoul National University（首尔国立大学）
AI总结 本文提出了一种基于上置信界原则的算法，用于解决具有非线性效用函数的多名义逻辑上下文老虎机问题，实现了 O(√T) 的遗憾界。
Comments Accepted at NeurIPS 2025
Smooth regularization for efficient video recognition
用于高效视频识别的平滑正则化
机构 * Computer Science Department（计算机科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Tel-Aviv University（特拉维夫大学）
AI总结 本文提出了一种平滑正则化方法，通过建模连续帧的变化为高斯随机游走，提升轻量级视频识别模型的准确率。
Comments Accepted to NeurIPS 2025
C3Po: Cross-View Cross-Modality Correspondence by Pointmap Prediction
C3Po：通过点图预测实现跨视角跨模态对应
AI总结 C3Po通过点图预测实现跨视角和跨模态的对应关系，提升了几何推理的性能和准确性。
Comments NeurIPS 2025
Deep Value Benchmark: Measuring Whether Models Generalize Deep Values or Shallow Preferences
深度价值基准：衡量模型是泛化深度价值还是浅层偏好
机构 * University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； New York University Shanghai（纽约大学上海）
AI总结 深度价值基准通过测试模型泛化深度价值还是浅层偏好，评估AI对齐的核心能力。
Comments NeurIPS 2025 (Spotlight)
LangHOPS: Language Grounded Hierarchical Open-Vocabulary Part Segmentation
LangHOPS: 语言引导的层次开放词汇部件分割
机构 * INSAIT ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱门特·欧里迪斯基"） ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑技术大学） ； Toyota Motor Europe（丰田欧洲公司）
AI总结 LangHOPS通过多模态大语言模型实现开放词汇物体-部件实例分割，取得领域内和跨数据集的优异性能。
Comments 10 pages, 5 figures, 14 tables, Neurips 2025
MoEMeta: Mixture-of-Experts Meta Learning for Few-Shot Relational Learning
MoEMeta：基于少量样本关系学习的专家混合元学习
机构 * The University of Sydney, Australia（悉尼大学） ； Peking University, China（北京大学）
AI总结 MoEMeta通过混合专家模型和任务定制适应机制，提升少样本关系学习的泛化与适应能力。
Comments Appear in NeurIPS 2025
Bayesian Surrogates for Risk-Aware Pre-Assessment of Aging Bridge Portfolios
贝叶斯代理用于风险意识的桥梁资产老化预评估
机构 * Institute of Structural Engineering, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院结构工程研究所） ； Computational Design Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算设计实验室） ； Design ++, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院设计++） ； Institute of Structural Mechanics and Design, TU Darmstadt, Germany（德国达姆施塔特技术大学结构力学与设计研究所） ； Department of Computer Science, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机科学系） ； Bank for International Settlements, Switzerland（瑞士国际清算银行）
AI总结 本文提出贝叶斯神经网络代理用于快速评估桥梁资产老化风险，通过校准不确定性实现高效预评估，减少整体成本和排放。
Comments Accepted at the NeurIPS 2025 Workshop on MLxOR: Mathematical Foundations and Operational Integration of Machine Learning for Uncertainty-Aware Decision-Making
Practical do-Shapley Explanations with Estimand-Agnostic Causal Inference
实用的do-Shapley解释与估量无关的因果推理
机构 * Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； Novartis（诺华）
AI总结 本文提出估量量无关方法，使do-Shapley解释在复杂图中可行，并通过加速计算和解释不可接触的数据生成过程，提升解释的可靠性。
Comments Published at NeurIPS 2025
Stable Minima of ReLU Neural Networks Suffer from the Curse of Dimensionality: The Neural Shattering Phenomenon
ReLU神经网络的稳定极小值遭受维度诅咒：神经碎裂现象
机构 * UC San Diego（UC圣地亚哥大学）
AI总结 本文研究了ReLU神经网络中稳定极小值的泛化能力问题，揭示了平坦解在高维情况下因维度诅咒而表现不佳的机制。
Comments Camera Ready Version. Accepted by Neurips 2025 (Spotlight)
Geometry-Aware Edge Pooling for Graph Neural Networks
面向几何的边池化用于图神经网络
机构 * Helmholtz Munich（海德堡-穆恩大学） ； Technical University of Munich（慕尼黑技术大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Fribourg（弗里堡大学）
AI总结 本文提出面向几何的边池化方法，通过扩散几何和迭代缩减图结构，提升图神经网络在多样任务中的性能和可解释性。
Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS) 2025. Our code is available at https://github.com/aidos-lab/mag_edge_pool
Certifying Stability of Reinforcement Learning Policies using Generalized Lyapunov Functions
利用广义李雅普诺夫函数验证强化学习策略的稳定性
机构 * Contextual Robotics Institute University of California San Diego（情境机器人研究所 卡罗来纳大学圣地亚哥分校）
AI总结 本文提出利用广义李雅普诺夫函数验证强化学习策略稳定性，通过结合价值函数与神经网络残差项，提升稳定性认证效率。
Comments NeurIPS 2025
SAD Neural Networks: Divergent Gradient Flows and Asymptotic Optimality via o-minimal Structures
SAD神经网络：通过o-最小结构实现的分歧梯度流和渐近最优性
机构 * Department of Information Systems, University of Münster, Germany（慕尼黑大学信息系统系） ； Applied Mathematics: Institute for Analysis and Numerics, University of Münster, Germany（慕尼黑大学应用数学系） ； RiskLab Switzerland, ETH Zürich, Switzerland（苏黎世联邦理工学院瑞士风险实验室） ； Applied Mathematics: Institute for Mathematical Stochastics, University of Münster, Germany（慕尼黑大学应用数学系） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen), China（香港中文大学（深圳）数据科学学院和人工智能学院）
AI总结 SAD神经网络通过o-最小结构的几何特性，证明了梯度流在特定条件下会发散到无穷大，揭示了神经网络损失优化的渐近最优性。
Comments Accepted for NeurIPS 2025, 30 pages, 6 figures. The result about continuous data distributions now has an additional assumption since a gap was identified in a previous version of the proof
Tensor Product Attention Is All You Need
张量积注意力是所有你所需要的
机构 * IIIS, Tsinghua University（清华大学信息科学技术学院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 TPA通过张量分解实现高效注意力机制，T6模型在语言建模任务中超越传统基线，提升性能与内存效率。
Comments Published in NeurIPS 2025 (Spotlight); Project Page: https://github.com/tensorgi/TPA
CBMAS: Cognitive Behavioral Modeling via Activation Steering
通过激活引导的认知行为建模：CBMAS
AI总结 CBMAS通过连续激活引导技术，提升大型语言模型的认知行为可解释性，提供诊断框架和数据集以分析模型行为演变。
Comments Accepted to CogInterp @ NeurIPS 2025. Equal contribution by Ahmed H. Ismail and Anthony Kuang
Islamic Chatbots in the Age of Large Language Models
大型语言模型时代下的伊斯兰聊天机器人
机构 * Department of Computer Science & Software Engineering University of Washington Bothell（计算机科学与软件工程系华盛顿大学Bothell分校）
AI总结 本文探讨了大型语言模型驱动的伊斯兰聊天机器人对宗教实践的影响，分析了其在知识获取民主化与权威侵蚀之间的矛盾，并提出负责任设计的建议。
Comments Muslim in ML Workshop at NeurIPS 2025
Operation Veja: Fixing Fundamental Concepts Missing from Modern Roleplaying Training Paradigms
Operation Veja: 修复现代角色扮演训练范式中缺失的根本概念
机构 * Divergence 2% LLC ； Department of Electrical and Computer Engineering University of Illinois Urbana-Champaign（电气与计算机工程系伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science University of Illinois Urbana-Champaign（计算机科学系伊利诺伊大学厄巴纳-香槟分校）
AI总结 Operation Veja提出VEJA框架，通过整合价值观、经历、判断和能力，改进角色扮演模型的数据整理方法，以提升角色真实性和叙述连续性。
Comments Accepted to NeurIPS 2025 PeronaLLM workshop
Towards Robust Pseudo-Label Learning in Semantic Segmentation: An Encoding Perspective
面向语义分割的鲁棒伪标签学习：一种编码视角
机构 * University of Science and Technology of China（中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家空间科学探测重点实验室，深空探测实验室）
AI总结 ECOCSeg通过引入基于ECOC的分类器和位级标签去噪机制，提升语义分割中伪标签学习的鲁棒性和稳定性，适用于无监督领域自适应和半监督学习任务。
Comments Accepted by Conference on Neural Information Processing Systems (NeurIPS 2025)
