期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
双元子网络：映射到下一个标记的Transformer语言模型
机构 * Department of Cognitive Science University of California San Diego（认知科学系，加州大学圣地亚哥分校）
AI总结 研究发现Transformer语言模型中存在双元子网络，这些子网络能基于当前标记预测下一个标记，且对模型性能至关重要。
Comments NeurIPS 2025
轨迹平衡与异步性：解耦探索与学习以实现快速、可扩展的LLM后训练
机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； KAIST（韩国科学技术院） ； CIFAR Fellow
AI总结 TBA通过解耦探索与学习，提升LLM后训练的速度和性能，适用于多种任务并支持大规模数据生成。
Comments NeurIPS 2025; 27 pages
诱导符合推断用于全排序
AI总结 本文提出基于符合预测的方法，用于量化全排序算法在未知排名中的不确定性，并通过实验验证其有效性。
Journal ref NeurIPS 2025, The Thirty-Ninth Annual Conference on Neural Information Processing Systems, Dec 2025, San Diego (CA), United States
EnCompass：通过程序执行路径搜索增强智能体编程
机构 * Asari AI ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Caltech CMS（加州理工学院 CMS）
AI总结 EnCompass通过解耦智能体工作流逻辑与推理策略，提供一种基于Python的框架，允许快速提升智能体可靠性并灵活切换推理策略。
Comments 65 pages, 2 figures, published in NeurIPS 2025
AsymPuzl：多智能体合作中的非对称谜题
机构 * Dartmouth College（达特茅斯学院）
AI总结 AsymPuzl通过非对称谜题环境研究多智能体合作中的通信策略与反馈机制。
Comments Accepted at NeurIPS MTI-LLM 2025
利用Concordia评估基于LLM的智能体在混合动机场景中的泛化能力
机构 * Cooperative AI Foundation（合作人工智能基金会） ； University of Oxford（牛津大学） ； UC Berkeley（伯克利大学） ； Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Leverhulme Centre for the Future of Intelligence, University of Cambridge（未来智能研究中心，剑桥大学） ； MIT（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Center on Long-Term Risk（长期风险中心） ； Google Research（谷歌研究） ； University of Washington（华盛顿大学） ； Centrum Wiskunde & Informatica（数学与信息研究所） ； Utrecht University（乌得勒支大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Concordia Contest Participants with Notable Contributions（康科德比赛有显著贡献的参与者）
AI总结 本文提出利用Concordia评估LLM智能体在混合动机场景中的合作能力，揭示了当前智能体在泛化能力上的不足。
Comments Published at NeurIPS Datasets and Benchmarks 2025, 10 pages
PixPerfect: 基于判别像素空间的无缝潜在扩散局部编辑
机构 * Adobe Research（Adobe研究院） ； University of Rochester（罗切斯特大学）
AI总结 PixPerfect通过判别像素空间和伪影模拟流程，实现跨不同LDM架构和任务的无缝高保真局部编辑。
Comments Published in the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)
Perch 2.0将'鲸'转移到水下任务
机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究）
AI总结 Perch 2.0通过少样本迁移学习在海洋哺乳动物分类中表现出色，优于其他预训练生物声学模型。
Comments 8 pages, 3 figures, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: AI for Non-Human Animal Communication
Flux4D: 基于流的无监督4D重建
机构 * Waabi ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校）
AI总结 Flux4D通过无监督学习直接从原始数据中重建大规模动态场景，无需预训练模型或先验知识，实现高效且可扩展的4D重建。
Comments NeurIPS 2025. Project page: https://waabi.ai/flux4d/
原子扩散模型用于从NMR谱解析小分子结构
机构 * Princeton University（普林斯顿大学） ； California Institute of Technology（加州理工学院）
AI总结 ChefNMR通过原子扩散模型从NMR光谱直接预测小分子结构，实现高精度自动解析。
Comments NeurIPS 2025
缓解统一多模态模型持续学习中的模态内和模态间遗忘
AI总结 本文提出MoDE，通过解耦模态以缓解统一多模态模型中的模态内和模态间遗忘问题。
Comments NeurIPS 2025
分层深度研究与本地Web RAG：迈向自动化系统级材料发现
机构 * Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Chemical Sciences and Engineering Division, Argonne National Laboratory（阿贡国家实验室化学科学与工程 division） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
AI总结 本文提出一种分层深度研究代理，通过本地Web RAG和DToR机制，实现低成本高质的自动化系统级材料发现。
Comments A preliminary version appeared in The AI for Accelerated Materials Discovery (AI4Mat) Workshop at NeurIPS 2025
SafePTR: 通过剪枝-恢复机制实现多模态大语言模型的令牌级 Jailbreak 防御
机构 * Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳研究院） ； Southwestern University of Finance and Economics（西南财经大学） ； Engineering Research Center of Intelligent Finance, Ministry of Education（教育部智能金融工程研究中心） ； Tongji University（同济大学）
AI总结 SafePTR 提出一种无需训练的多模态大语言模型防御机制，通过剪枝有害令牌并恢复良性特征，有效提升安全性并保持效率。
Comments Accepted by NeurIPS 2025
SPRINT: 使推理模型能够实现交错规划与并行执行
机构 * Stanford University（斯坦福大学） ； Microsoft（微软） ； Google（谷歌）
AI总结 SPRINT通过动态识别并利用并行化机会，使推理模型在复杂任务中提升效率，减少序列token生成量。
Comments Published at NeurIPS 2025. Emil Biju, Shayan Talaei, and Zhemin Huang contributed equally to this work
MERIT: 多语言语义检索与交错多条件查询
机构 * Zhejiang University（浙江大学）
AI总结 MERIT提出首个多语言交错多条件语义检索数据集，通过Coral框架提升检索性能45.9%，并验证了其在多个基准上的泛化能力。
Comments NeurIPS 2025; Project Page, Code, and Dataset at: https://merit-2025.github.io/
刻画固定精度变换器语言模型的表达能力
AI总结 本研究通过分析固定精度变换器的表达能力，发现其与线性时间逻辑中单一时间运算符的片段一致，并通过实验证明其在语言泛化中的表现。
Comments NeurIPS 2025 (Spotlight)
近端化偏好优化用于多样化反馈类型：对DPO的分解视角
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出PRO方法，通过分解DPO损失并恢复完整正则化项，解决似然不足确定性问题，提升对多样化反馈类型的适应能力。
Comments NeurIPS'2025
无需搜索的规划：通过离线目标条件强化学习精炼前沿大语言模型
机构 * UC Berkeley（伯克利大学）
AI总结 通过目标条件价值函数引导LLM推理，实现高效多轮交互规划，优于传统RL微调和提示方法。
Comments Published at NeurIPS 2025; 18 pages, 4 figures, 2 tables
ConfRover：通过自回归方法同时建模蛋白质构象与动力学
机构 * ByteDance Seed（字节跳动种子基金） ； School of Mathematical Sciences, Tongji University（同济大学数学科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 ConfRover通过自回归方法同时建模蛋白质构象与动力学，支持时间依赖和时间无关的采样，首次在单一框架内实现蛋白质构象和轨迹的生成。
Comments 35 pages, 17 figures; Camera ready for NeurIPS 2025; Website: https://bytedance-seed.github.io/ConfRover
加速组合划分问题的数据驱动算法选择
机构 * UC Santa Cruz（加州大学圣克鲁兹分校） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种理论基础，用于数据驱动算法选择中的大小泛化，通过在较小样本上评估算法性能来预测大规模实例的表现，并验证了三种聚类算法和两种max-cut算法的泛化能力。
Journal ref NeurIPS 2025
即时视频模型：用于稳定图像网络的通用适配器
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出了一种通用的稳定性适配器，用于提升视频中图像网络的稳定性和鲁棒性，通过统一的损失函数和高效训练方法，在多个视觉任务中提升了预测质量与抗损坏能力。
Comments NeurIPS 2025
马尔可夫得分：一种用于大语言模型推理中贝叶斯理性性的无监督度量标准
机构 * University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本研究提出马尔可夫得分，用于评估大语言模型推理中的贝叶斯理性性，通过检测信念更新的违反情况来衡量求真能力。
Comments NeurIPS 2025
STRIDE：一种选择AI模态的系统框架——代理AI、AI助手或LLM调用
机构 * IBM Research – Almaden（IBM阿尔马登研究实验室） ； IBM Research – Yorktown（IBM约克镇研究实验室） ； IBM Research – India（IBM印度研究实验室）
AI总结 STRIDE提供了一种系统框架，帮助选择AI模态，通过评估任务动态性决定是否使用自主代理，提升效率并降低成本。
Comments 10 pages, 4 Figures, 5 Tables Paper presented at NeurIPS 2025 LAW workshop: Bridging Language, Agent, and World Models
具有可靠性和效率保证的自适应预测-驱动AutoEval
机构 * Department of Engineering（工程系）
AI总结 本文提出R-AutoEval+框架，通过自适应构造模型评估变量，实现模型评估的可靠性保障和样本效率提升。
Comments NeurIPS 2025 (spotlight)
SkyLadder: 通过上下文窗口调度实现更优更高效的预训练
机构 * National University of Singapore（新加坡国立大学） ； Sea AI Lab（Sea AI实验室） ； City University of Hong Kong（香港城市大学）
AI总结 SkyLadder通过上下文窗口调度策略，在保持基准性能的同时，提升了长上下文任务的表现，并加快了训练速度。
Comments Accepted to NeurIPS 2025. 10 pages
HouseLayout3D: 一个用于野外3D布局估计的基准和无需训练的基线
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Stanford University（斯坦福大学）
AI总结 HouseLayout3D提出一个无需训练的基线，通过现实世界数据推动多楼层建筑的3D布局估计研究。
Comments NeurIPS 2025 (Datasets and Benchmarks Track) Project Page: https://houselayout3d.github.io
视频扩散模型在无监督情况下能有效追踪相似外观的对象
机构 * KAIST（韩国科学技术院） ； Rutgers University（罗格斯大学）
AI总结 本文提出利用预训练视频扩散模型的运动表示能力，实现无监督环境下对视觉相似对象的高效追踪，提升了追踪性能并克服了现有方法的局限。
Comments Accepted at NeurIPS 2025
少样本蛋白质适应性预测通过上下文学习和测试时训练
机构 * Harvard Medical School（哈佛医学院） ； University of Copenhagen（哥本哈根大学） ； Novo Nordisk A/S（诺和诺德公司） ； Microsoft Research（微软研究院） ； Technical University of Denmark（丹麦技术大学）
AI总结 PRIMO通过上下文学习和测试时训练，在少样本条件下实现蛋白质适应性预测，优于零样本和全监督基线。
Comments AI for Science Workshop (NeurIPS 2025)
EcoCast：一种用于持续生物多样性和气候风险预测的空间时间模型
AI总结 EcoCast通过多源数据和序列Transformer模型，实现持续的生物多样性和气候风险预测，提升非洲生态保护策略的科学依据。
Comments 9 pages, 3 figures, 1 table. Accepted to the NeurIPS 2025 Workshop on Tackling Climate Change with Machine Learning
金融代理的协调框架：从算法交易到代理交易
机构 * SecureFinAI Lab, Columbia University（安全金融人工智能实验室，哥伦比亚大学） ； Purdue University（普渡大学） ； Rensselaer Polytechnic Institute（拉特格斯理工学院） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出了一种金融代理的协调框架，通过代理系统实现了股票和加密货币交易，展示了其在不同市场中的表现和优势。
Comments Accepted at the Workshop on Generative AI in Finance, 39th Conference on Neural Information Processing Systems (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