期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
顿悟时刻再审视：VLMs在推理时间缩放中真的能自我验证吗？
机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； Meta
AI总结 本研究发现VLMs在推理时间缩放中自我验证效果有限，生成能力优于验证策略，且视觉信息整合不足。
Comments Neurips 2025 Multimodal Algorithmic Reasoning Workshop Oral. In submission
MMMG：大规模、跨学科、多层级的文本到图像推理生成基准
AI总结 本文提出MMMG基准，用于评估文本到图像生成模型的推理能力，揭示现有模型在知识图像生成中的不足，并发布FLUX-Reason作为开放基线。
Comments 85 pages, 70 figures, code: https://github.com/MMMGBench/MMMG, project page: https://mmmgbench.github.io/
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025) Datasets and Benchmarks Track
用语言锻造时间序列：一种基于大语言模型的合成数据生成方法
机构 * IBM Research Europe（IBM欧洲研究院）
AI总结 SDForger通过大语言模型生成高质量多变量时间序列，利用文本条件化实现高效合成数据生成及多模态建模。
Journal ref NeurIPS 2025, https://openreview.net/forum?id=A2pmvkqOgp
需要多少张图片？文本到图像模型中模仿阈值的估计
机构 * University of Washington, Seattle（华盛顿大学） ； Bar-Ilan University（巴伊兰大学） ； University of California, Irvine（加州大学伊文斯顿分校） ； Allen Institute of AI（人工智能研究院）
AI总结 研究通过评估文本到图像模型的模仿阈值，探讨其在版权和隐私合规中的应用。
Comments Accepted at TMLR 2025, ATTRIB, RegML, and SafeGenAI workshops at NeurIPS 2024 and NLLP Workshop 2024. https://openreview.net/forum?id=x0qJo7SPhs
深度强化学习中的高阶动作正则化：从连续控制到建筑能耗管理
机构 * Centre for Computational Science and Mathematical Modelling（计算科学与数学建模中心） ； Coventry University（科文特大学）
AI总结 本研究提出高阶动作正则化方法，通过优化连续控制和建筑能耗管理，实现更平滑的动作策略，减少设备切换并提升实际应用效果。
Comments 6 pages, accepted at NeurIPS workshop 2025
SpatialBench: 聊聊智能体能否分析真实世界的空间生物学数据？
机构 * LatchBio
AI总结 SpatialBench通过146个可验证问题评估智能体分析真实世界空间生物学数据的能力，揭示了模型性能受设计和平台影响显著，需进一步优化工具与流程。
Comments 10 pages, 9 figures, 4 tables; NeurIPS 2024 format
CADMorph: 通过计划-生成-验证循环实现几何驱动的参数化CAD编辑
机构 * Fudan University（复旦大学） ； Microsoft Research, Asia（微软亚洲研究院） ； University of Toronto（多伦多大学）
AI总结 CADMorph通过计划-生成-验证循环实现几何驱动的参数化CAD编辑，利用预训练模型在数据稀少情况下保持结构、语义和形状保真度，超越现有方法并支持下游应用。
Comments NeurIPS 2025
人脑作为组合复形
机构 * Tilburg University（蒂尔堡大学） ； PolyShape Greece（PolyShape希腊）
AI总结 本文提出一种基于fMRI数据构建组合复形的框架，通过信息论度量捕捉神经交互，连接拓扑深度学习与神经科学。
Comments Accepted as an Extended Abstract at the NeurReps Workshop, NeurIPS 2025
通过缓解分数函数奇异性和改进欧几里得扩散生成流形数据
机构 * Center for Data Science, Peking University（北京大学数据科学中心） ； Zuse Institute Berlin（柏林泽尼茨研究所） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； LMAM and School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文提出Niso-DM和Tango-DM方法，通过缓解分数函数的奇异性和改进欧几里得扩散生成流形数据的准确性。
Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
大规模市场均衡计算的量子算法
AI总结 本研究提出一种量子算法，用于高效计算大规模市场均衡，实现多项式加速并保持相同优化目标。
Comments Updated to match published version; 15+8 pages, 1 figure
Journal ref Advances in Neural Information Processing Systems 37, 10878-10907 (2024)
LabelAny3D: 在真实世界中标注任意物体的3D
机构 * University of Virginia（弗吉尼亚大学）
AI总结 LabelAny3D通过分析-合成框架生成高质量3D标注，提升单目3D检测性能，推动真实世界3D识别发展。
Comments NeurIPS 2025. Project page: https://uva-computer-vision-lab.github.io/LabelAny3D/
激进压缩使大语言模型权重窃取成为可能
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Center for AI Safety（人工智能安全中心）
AI总结 本文研究了通过压缩使大语言模型权重窃取风险增加的问题，提出通过放松解压缩约束来提升窃取效率，并探讨了三种防御方法以降低窃取风险。
Comments An early version of this work was presented at the SoLAR Workshop at NeurIPS 2024
用Transformer生成钢琴音乐：尺度、数据和度量的比较研究
机构 * RWTH Aachen University（亚琛工业大学） ； University of Washington（华盛顿大学）
AI总结 本文通过比较不同数据集、模型架构和训练策略，探讨了使用Transformer生成钢琴音乐时，模型规模和度量标准对生成质量的影响。
Comments NeurIPS 2025 Workshop on AI for Music
InfMasking：通过对比多模态交互释放协同信息
机构 * School of Computing and Artificial Intelligence（计算与人工智能学院） ； Engineering Research Center of Intelligent Finance Ministry of Education（教育部长智能金融工程研究中心） ； Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Artificial Intelligence Innovation and Incubation Institute Fudan University（复旦大学人工智能创新与孵化院） ； Artificial Intelligence and Digital Finance Key Laboratory of Sichuan Province（四川省人工智能与数字金融重点实验室）
AI总结 InfMasking通过无限遮蔽策略增强多模态协同信息提取，实现多模态表示学习中的协同信息优化与性能提升。
Comments Conference on Neural Information Processing Systems (NeurIPS) 2025 (Spotlight)
基于可识别的时间-瞬时表示的LLM可解释性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出了一种针对LLM高维概念空间的可识别时间因果表示学习框架，通过结合SAE技术，提升了LLM的可解释性。
Comments NeurIPS 2025
GTPBD：一种细粒度的全球梯田地块和边界数据集
机构 * Sun Yat-Sen University（中山大学） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Southwest Jiaotong University（西南交通大学） ； China Agricultural University（中国农业大学）
AI总结 本文提出GTPBD数据集，用于细粒度梯田地块分析，涵盖全球多地形区域，支持语义分割、边缘检测、地块提取及无监督领域适应等任务。
Comments 40 pages, 40 figures, Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
EMLoC：基于模拟器的内存高效微调与LoRA校正
机构 * Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通信工程研究所） ； NVIDIA
AI总结 EMLoC通过基于模拟器的内存高效微调与LoRA校正，实现大模型在有限内存下高效适应不同任务的需求。
Comments Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Project page: https://hsi-che-lin.github.io/EMLoC/
RoboRefer: 向视觉语言模型在机器人中的空间指称推理迈进
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 RoboRefer通过整合深度编码器和强化微调方法，实现了视觉语言模型在机器人中的空间指称推理，提升了复杂场景下的交互能力。
Comments Accepted by NeurIPS 2025. Project page: https://zhoues.github.io/RoboRefer/
学习重复不变的表示以用于聚合物信息学
机构 * University of Notre Dame（诺丁汉大学）
AI总结 GRIN通过图重复不变性方法，学习聚合物结构的稳定表示，克服了现有方法在处理不同单元数量时的不一致性问题。
Comments Accepted to NeurIPS 2025
世界模型在线模仿学习中的耦合分布随机专家蒸馏
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Hillbot（Hillbot公司） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本研究提出一种基于随机网络蒸馏的耦合分布随机专家蒸馏方法，用于提升世界模型在线模仿学习的稳定性与性能。
Comments NeurIPS 2025 Workshop of Embodied World Models; Code Available at: https://github.com/TobyLeelsz/CDRED-WM
CAT：用于亚二次变换器的圆卷积注意力
机构 * Preferred Networks
AI总结 CAT通过圆卷积和傅里叶变换实现亚二次复杂度的注意力机制，提升效率并减少参数量，适用于更长序列的变换器应用。
Comments Accepted as a poster at NeurIPS 2025
带宽和延迟反馈在在线结构预测中的应用
AI总结 本文提出带宽和延迟反馈算法，解决了在线结构预测中反馈信息有限的问题，通过改进的估计方法实现更优的遗憾界限。
Comments 43 pages, Accepted in NeurIPS 2025
LearnAD: 通过学习可解释规则来识别阿尔茨海默病分类中的脑网络
机构 * Department of Computing（计算系） ； Imperial College London（伦敦帝国学院） ； School of Public Health（公共卫生学院）
AI总结 LearnAD通过学习可解释的规则，实现了在阿尔茨海默病分类中识别脑网络的高可解释性方法。
Comments NeurIPS 2025, Data on the Brain & Mind Workshop
统一重心与非重心聚类中的比例公平性
AI总结 本文提出半重心聚类方法，统一了重心与非重心聚类中的比例公平性标准，并设计了在多项式时间内实现核心标准常数近似的新型算法。
Comments Appeared in NeurIPS 2025
迈向真实世界的IQA：重塑合成数据分布的新视角
机构 * Xidian University（西安电子科技大学）
AI总结 本文提出SynDR-IQA框架，通过重塑合成数据分布提升盲图像质量评估的泛化能力。
Comments Accepted by NIPS 2025
利用低秩适应结合不同地面真实数据集来泛化基于图像的CNN模型以预测光度红移
机构 * UCLA（加州大学洛杉矶分校）
AI总结 本文利用LoRA技术结合不同红移数据集，提升CNN模型在光度红移预测中的泛化能力与准确性。
Comments 11 pages, 7 figures, 3 tables, Accepted to the Conference on Neural Information Processing Systems (NeurIPS), Machine Learning and the Physical Sciences (ML4PS) Workshop 2025
JavisGPT：一种用于声音-视频理解和生成的统一多模态大语言模型
机构 * ZJU（浙江大学） ； NUS（国立新加坡大学） ； HKUST(GZ)（香港科技大学（广州）） ； RUC（中国人民大学） ； HZCU（杭州电子科技大学） ； NTU（国立台湾大学） ； SMU（新加坡国立大学） ； USYD（澳大利亚悉尼大学） ； ANU（澳大利亚国立大学）
AI总结 JavisGPT是一种统一多模态大语言模型，通过三阶段训练流程在声音-视频理解和生成任务中表现出色，尤其在复杂和时间同步场景中表现更优。
Comments Accepted by NeurIPS as a Spotlight paper. Code: https://github.com/JavisVerse/JavisGPT
在灵活评估下模型行为对齐：当最佳拟合模型不一定是正确的那个
AI总结 本文研究了在灵活评估下模型行为对齐的问题，发现即使有大量行为数据，过于灵活的对齐度量也可能导致模型无法正确反映人类的表示。
Comments Accepted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
通过策略自举 flattening 层次结构
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出一种通过自举子目标策略训练平坦目标条件策略的方法，解决长horizon任务中GCRL扩展难题，实现高维控制性能提升。
Comments NeurIPS 2025 (Spotlight, top 3.2%)
机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Department of Computer and Data Sciences, Case Western Reserve University（计算机与数据科学系，凯斯西储大学）
Comments Published in 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