期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
学习平台上的前瞻性推理
机构 * Australian National University（澳大利亚国立大学） ； Stanford University（斯坦福大学） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心）
AI总结 本文探讨了学习平台中用户行为的前瞻性推理，分析了集体推理与自私行为的差异，并提出了协调效用权衡的新概念。
Comments published at NeurIPS 2025
AlignDP: 用于大语言模型的混合差分隐私与稀有性感知保护
机构 * Microsoft（微软）
AI总结 AlignDP通过混合差分隐私与稀有性感知保护，有效阻止大语言模型的知识转移，通过PAC和RAPPOR技术实现稀有和非稀有字段的隐私保护。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: LOCK-LLM Work-shop, NeurIPS 2025
LUMIA: 一种用于实时具身创作的手持视觉到音乐系统
AI总结 LUMIA通过视觉到音乐的实时具身创作系统，将环境互动与生成式AI结合，实现基于感知的即兴音乐创作。
Comments 6 pages, 15 pages with appendix, NeurIPS 2025 Creative AI track
DGH: 动态高斯发
机构 * University of Southern California（南加州大学） ； Meta Reality Labs（Meta现实实验室）
AI总结 DGH通过数据驱动的方法高效学习头发的动力学和外观，实现逼真可动画的头发效果，为高保真虚拟人物建模提供新的解决方案。
Comments Accepted by NeurIPS 2025. Project page: https://junyingw.github.io/paper/dgh
动态环境下计算点集的偏移距离算法
AI总结 本文提出了一种在动态环境下维护点集偏移距离近似的算法，基于ℓ_p范数（p=1,2）实现高效更新，适用于机器学习等实际应用。
Comments NeurIPS 2025
利用GFlowNets发现潜在图以实现多样化的条件图像生成
机构 * Dept. of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Dept. of Psychiatry and Behavioral Sciences, Stanford University（精神病学与行为科学系，斯坦福大学） ； Dept. of Biomedical Data Science, Stanford University（生物医学数据科学系，斯坦福大学） ； Center for Intelligent Machines, McGill University（智能机器中心，麦吉尔大学） ； MILA - Quebec AI institute（魁北克人工智能研究所）
AI总结 Rainbow通过分解输入条件为多样化的潜在表示，利用GFlowNets生成多样化图像，提升条件图像生成的多样性和保真度。
Journal ref The 39th Annual Conference on Neural Information Processing Systems 2025
在扩散策略中融入对称性的实用指南
机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 本文提出在扩散策略中融入对称性的实用方法，通过不变表示、等变视觉编码器和对称特征提取提升策略性能，实现高效且简单的实现。
Comments NeurIPS 2025
关于小误差范围内的无偏PAC学习
AI总结 本文提出了一种在小误差范围内实现无偏PAC学习的学习器，其误差上界与理论下界一致，并展示了计算效率和聚合ERM分类器的方法。
Comments 36 pages, NeurIPS 2025
面向位移的高斯-上界验证用于Wasserstein-DRO CVaR投资组合
AI总结 本文提出面向位移的高斯-上界验证框架，用于Wasserstein-DRO CVaR投资组合，通过生成候选路径和加权CVaR估计，提升收益-风险权衡。
Comments NeurIPS 2025 Workshop: Generative AI in Finance
关联语法与最大重复揭示果蝠交流中的情境依赖复杂性
机构 * Alumnus, Department of Computer and Systems Sciences, Stockholm University（校友，计算机与系统科学系，斯德哥尔摩大学）
AI总结 本研究通过分析果蝠叫声的关联语法和最大重复，揭示情境依赖的交流复杂性，表明冲突情境中信息压缩性较低。
Comments Accepted for a lightning talk at the NeurIPS 2025 Workshop: "AI for Non-Human Animal Communication"
在强化学习中突破性能极限需要推理策略
机构 * InstaDeep ； Stellenbosch University（斯坦陵博斯大学）
AI总结 本研究通过引入推理策略在执行时间突破复杂多智能体强化学习的性能极限，实现17个任务中高达126%的性能提升。
Comments Neurips '25 version (post conference)
一个标记值超过1000个标记：通过低秩克隆实现高效的知识蒸馏
机构 * School of Intelligence Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学智能科学与工程学院） ； Baidu Inc.（百度公司） ； Leiden University（莱顿大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出低秩克隆方法，通过高效预训练实现小语言模型在训练效率和性能上的突破。
Comments NeurIPS 2025 Spotlight
带有偏好反馈的多臂问题：从Stackelberg博弈视角出发
机构 * 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）
AI总结 本文提出MAXMINLCB算法，通过Stackelberg博弈框架解决无限域和非线性奖励下的多臂问题，实现最优后悔保证和优越性能。
Comments In Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS), 30 pages, 8 figures
代理神经架构协同设计包（SNAC-Pack）
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Fermi National Accelerator Laboratory（费米国家加速器实验室）
AI总结 SNAC-Pack通过多目标优化提升FPGA部署效率，实现高精度与资源利用率的平衡。
Comments NeurIPS 2025 Machine Learning and the Physical Sciences Workshop, 8 pages, 4 figures, 3 tables
BarcodeMamba+: 推动真菌生物多样性研究的state-space模型
机构 * University of Guelph（圭尔夫大学） ； Vector Institute（向量研究所） ； University of Jyväskylä（耶夫斯克耶拉大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Amii（阿米国际）
AI总结 BarcodeMamba+通过高效state-space模型提升真菌分类性能，克服数据稀疏与长尾分布挑战，实现多层级分类优势。
Comments 11 pages, accepted at the 3rd Workshop on Imageomics: Discovering Biological Knowledge from Images Using AI (NeurIPS 2025)
FedSight AI：用于联邦基金目标利率预测的多智能体系统架构
机构 * Duke University（杜克大学） ； BNY AI Hub
AI总结 FedSight AI通过多智能体框架和Chain-of-Draft扩展，利用大型语言模型预测联邦基金利率，实现高准确率和稳定性，优于现有基线模型。
Comments NeurIPS 2025 Generative AI in Finance Workshop
谁在掌控？解析指令遵循中的角色冲突
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究揭示大型语言模型在指令遵循中存在角色冲突，通过机制分析发现系统-用户冲突与社会冲突的不同处理方式，并强调了对齐方法的重要性。
Comments 12 pages, 5 figures, Mech Interp Workshop (NeurIPS 2025) Poster
GeoGraph: 基于几何和图的集成描述符用于内在无序蛋白质
机构 * InstaDeep
AI总结 GeoGraph通过结合几何和图方法，从序列预测内在无序蛋白质的构象集合统计信息，提升对关键生物物理性质的预测能力。
Comments Accepted at AI4Science and ML4PS NeurIPS Workshops 2025. v2: comparison with Human-IDRome model and link to github added
生成时间与事后引用：对大语言模型归属的全面评估
机构 * UMBC（美国马里兰大学伯克利分校） ； IIITDM（印度印度理工学院迪瓦德分校）
AI总结 本文评估了生成时间引用与事后引用在大语言模型归属中的性能差异，发现P-Cite在覆盖和正确性上表现更优，而G-Cite更适用于精度要求高的场景。
Comments NeurIPS 2025 LLM Evaluation Workshop
大语言模型在对抗攻击下的语言自信度鲁棒性研究
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Ingenuity Labs Research Institute（创新实验室研究所） ； Queen’s University（皇后大学）
AI总结 本文研究了大语言模型在对抗攻击下的语言自信度鲁棒性，发现现有防御技术效果有限，需设计更稳健的自信表达机制。
Comments Published in NeurIPS 2025
神经网络是否需要梯度下降来泛化？一项理论研究
机构 * Some Institute（某些研究所）
AI总结 本文理论研究了神经网络在无梯度下降情况下泛化能力的变化，发现宽度增加时泛化能力下降，而深度增加时泛化能力提高，挑战了传统观点。
Comments Accepted to NeurIPS 2025
强化学习在大型语言模型中微调小型子网络
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 强化学习在大型语言模型中通过微调小型子网络显著提升性能，且该子网络更新稀疏性源于数据分布和正则化技术的影响。
Comments NeuRIPS 2025
基于偏好的扩散模型用于多目标离线优化
机构 * TU Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Helmholtz AI（海德堡人工智能研究所） ； Gladstone Institutes（加利福尼亚大学旧金山分校格拉德石研究所）
AI总结 本文提出基于偏好的扩散模型，用于生成多目标离线优化中的帕累托最优解，通过引入多样性感知的偏好引导，提升生成解的质量与分布性。
Comments Accepted in NeurIPS (2025)
使用策略梯度方法微调离散扩散模型
AI总结 本文提出SEPO算法，用于高效微调离散扩散模型，通过理论支持和实验验证展示了其在非可微奖励下的有效性。
Comments 33 pages, 8 figures, 8 tables
Journal ref NeurIPS 2025
可证明的视觉-语言排序与连续性在通用化具身体验代理中的预训练
机构 * The University of Queensland（昆士兰大学） ； Tongji University（同济大学） ； University of Technology Sydney（悉尼科技大学）
AI总结 本文提出AcTOL方法，通过对比帧间语义差异和局部布朗桥约束，实现有序且连续的视觉-语言表示，提升具身体验代理在不同指令风格下的鲁棒性。
Comments NeurIPS 2025 Poster
DyG-Mamba：动态图上的连续状态空间建模
机构 * The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进情报项目中心） ； Griffith University（格里菲斯大学）
AI总结 DyG-Mamba通过将动态图建模转化为长期序列建模问题，利用遗忘曲线和复习周期机制，提升模型在动态图任务中的性能与效率。
Comments Accepted by NeurIPS 2025
能证明自身正确性的模型
机构 * UC Berkeley（伯克利大学） ； Apple（苹果公司）
AI总结 本文提出Self-Proving模型，通过交互证明技术确保模型输出的正确性，并设计了两种学习方法。
Comments NeurIPS 2025
从稀疏生物数据中学习组合疗法中癌症模型参数动态
机构 * H. Lee Moffitt Cancer Center and Research Institute（H. Lee Moffitt癌症中心和研究所） ； Integrated Mathematical Oncology Department（整合数学肿瘤学部门）
AI总结 本文提出利用物理信息神经网络从稀疏生物数据中学习膀胱癌组合疗法中细胞间的动态相互作用及治疗响应。
Comments NeurIPS 2025 Workshop on Learning from Time Series for Health
通过深度强化学习和深度学习替代模型实现MuVacAS的自主压力控制
机构 * HI Iberia（HI伊比利亚） ； Department of Mathematics, Universidad Carlos III de Madrid（数学系，卡洛斯三世大学） ； Gregorio Millán Barbany Institute, Universidad Carlos III de Madrid（格里戈里·米兰·巴尔巴尼研究所，卡洛斯三世大学） ； IFMIF-DONES Spain（IFMIF-DONES西班牙）
AI总结 本文提出利用深度强化学习和深度学习替代模型实现MuVacAS的自主压力控制，通过数字孪生技术提升粒子加速器的智能化控制水平。
Comments 13 pages, 7 figures, included in Machine Learning and the Physical Sciences Workshop @ NeurIPS 2025
协作检索增强生成用于问答：通过对比层进行互信息交换和排序
机构 * Department of Artificial Intelligence, Hanyang University（人工智能学院，翰阳大学） ； Department of Data Science, Hanyang University（数据科学学院，翰阳大学）
AI总结 CoopRAG通过协作检索与生成机制，提升问答任务中检索与生成的准确性。
Comments Accepted to 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