期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
不同的提示方法是否会在语言模型中产生共同的任务表示？
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； New York University（纽约大学） ； Princeton University（普林斯顿大学）
AI总结 研究通过函数向量分析不同提示方法对语言模型任务表示的影响，发现不同提示形式导致不同的任务机制，支持结合指令和演示的实践。
Comments 10 pages, 4 figures; presented at NeurIPS 2025
STaRFormer：通过动态注意力基于区域掩码的半监督任务引导表示学习进行序列数据建模
机构 * BMW Group（宝马集团） ； University of Glasgow（格拉斯哥大学）
AI总结 STaRFormer通过动态注意力区域掩码和半监督对比学习，提升序列数据中用户意图预测的准确性与鲁棒性。
Comments Accepted to NeurIPS 2025
SWE-RL：通过强化学习提升大语言模型推理能力
机构 * Meta AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 SWE-RL通过强化学习提升大语言模型在软件工程领域的推理能力，实现了41.0%的解决率，超越了现有中等规模LLM的性能。
Comments Accepted to NeurIPS 2025 Main Track
MimeQA: 向具有社会智能的非语言基础模型迈进
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Imperial College London（伦敦帝国理工学院）
AI总结 MimeQA通过引入非语言互动数据集，评估视频大语言模型在非语言社会推理中的表现，发现其准确率较低，人类表现更优。
Comments NeurIPS 2025 Datasets and Benchmarks
通过矩阵分裂和预条件化统一近策略学习中线性函数逼近的观点
AI总结 本文通过矩阵分裂和预条件化方法，统一了近策略学习中线性函数逼近的TD、FQI和PFQI方法，揭示了其收敛关系及新收敛条件。
Comments This work has been accepted for spotlight presentation (top 3% of papers) at NeurIPS 2025
测量Web过滤文本数据集的指纹及其通过训练传播
AI总结 研究发现预训练数据集的指纹可通过训练传播，揭示数据特征及预训练混合比例等信息。
Journal ref NeurIPS 2025 (Spotlight)
GermanPartiesQA: 对商业大语言模型和AI伴侣在政治倾向和趋炎附势方面的基准测试
机构 * TUM（慕尼黑大学） ； TUB（慕尼黑大学）
AI总结 GermanPartiesQA研究了六个商业LLMs在政治倾向和趋炎附势方面的表现，揭示了LLMs在生成事实性政党立场上的局限性以及模型特定的意识形态倾向模式。
Comments Published at AAAI/ACM AIES 2025. Presented at NeurIPS 2025 Workshop on LLM Evaluation and the International Monetary Fund's 12th Statistical Forum. GermanPartiesQA Benchmark under https://github.com/janbatzner/germanpartiesqa
Journal ref Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(1), 2025, pp. 330-342
评估大型语言模型在开源游戏中的表现
机构 * University of Washington（华盛顿大学）
AI总结 本文评估了LLMs在开源游戏中预测策略和分析合作策略形成的能力。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
样本高效的目标导向自博弈用于离线鲁棒强化学习
机构 * Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Edith Cowan University（埃迪斯·科温大学） ； University of New South Wales（新南威尔士大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出RTZ-VI-LCB算法，通过乐观鲁棒值迭代和数据驱动的伯恩斯坦惩罚项，实现离线鲁棒双人零和马尔可夫游戏的最优样本复杂性保证。
Comments NeurIPS 2025
基于最优传输的分布几何对齐优化用于生成数据集蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； Independent Researcher（独立研究者）
AI总结 本文提出基于最优传输的分布几何对齐方法，通过优化传输距离提升数据集蒸馏效果，实验表明在ImageNet-1K上准确率提升至少4%。
Comments NeurIPS 2025
DenseScan: 通过2D密集标注提升3D场景理解
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Wuhan University（武汉大学）
AI总结 DenseScan通过2D密集标注提升3D场景理解，结合多视角图像和多模态大语言模型生成丰富语义标注，拓展下游任务应用。
Comments Workshop on Space in Vision, Language, and Embodied AI at NeurIPS 2025
为何粒子变换器中的注意力是稀疏的？
AI总结 研究揭示粒子变换器中稀疏注意力的来源，发现其主要源于注意力机制本身，而非交互矩阵，并展示了其在无显式粒子输入情况下识别喷注子结构的能力。
Comments Accepted to the Machine Learning and the Physical Sciences Workshop, NeurIPS 2025
通过大语言模型实现受约束的网络切片分配
机构 * University of Southern California（南加州大学）
AI总结 本文利用大语言模型实现网络切片分配，通过零样本提示生成初始分配方案，并结合优化求解器提升性能，实现高效的5G网络资源分配。
Comments Accepted at NeurIPS 2025 Workshop on AI and ML for Next-Generation Wireless Communications and Networking (AI4NextG), San Diego, CA
InvisibleInk: 基于差分隐私的高效低成本文本生成
机构 * CeRAI, IIT Madras（CeRAI，IIT马德拉斯） ； WSAI, IIT Madras（WSAI，IIT马德拉斯） ； Google DeepMind（谷歌DeepMind）
AI总结 InvisibleInk通过差分隐私保证，在降低计算成本的同时生成高质量隐私保护的长文本。
Comments Published at NeurIPS 2025
基于词典的工具在低资源弗拉芒语情感分析中仍然处于黄金标准吗？
AI总结 本研究探讨了基于词典的工具在低资源弗拉芒语情感分析中的有效性，发现尽管LLM有所进步，但目前仍无法准确捕捉自发叙述中的情感价值，强调了开发文化适应性模型的必要性。
Journal ref Presented at LLM Evaluation Workshop, NeurIPS 2025
通过后续查询预测黑盒大语言模型的性能
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过后续查询预测黑盒大语言模型性能，利用响应概率训练可靠预测器，有效区分模型正确性及对抗性影响。
Comments NeurIPS 2025
DisMo：解耦的运动表示用于开放世界运动迁移
AI总结 DisMo通过解耦运动语义与外观，实现了开放世界中的运动迁移，提升了视频生成和理解的性能。
Comments Accepted at NeurIPS 2025
将神经音频编解码器适应于EEG
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出将预训练的神经音频编解码器适应于EEG压缩，通过多通道扩展和注意力机制提升EEG重建质量与泛化能力。
Comments Foundation Models for the Brain and Body (BrainBodyFM@NeurIPS)
GOATex: 几何与遮挡感知纹理生成
机构 * KRAFTON AI（KRAFTON人工智能研究院） ； NC AI（NC人工智能研究院） ； UC Berkeley（伯克利大学） ； Seoul National University（首尔国立大学）
AI总结 GOATex通过基于命中层级的遮挡感知框架，实现高质量3D网格内外表面纹理生成，无需微调扩散模型，具备结构连贯性与无缝纹理输出。
Comments Accepted to NeurIPS 2025; Project Page: https://goatex3d.github.io/
带宽引导的亚模函数课程学习用于自适应子集选择
AI总结 本文提出ONLINESUBMOD方法，通过多臂老虎机框架和亚模函数优化，实现自适应子集选择，提升课程学习的准确性与效率。
Comments 10 pages main, 21 pages Appendix, 8 figures
Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems, 2025
超越最后点击：广告归因的最优机制
AI总结 本文提出一种最优的DSIC归因机制PVM，解决了传统LCM在准确性和公平性上的不足。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
语言引导的世界模型通过阅读环境描述提升策略泛化能力
机构 * Oregon State University（俄勒冈州立大学）
AI总结 本文提出LED-WM，通过语言引导的世界模型提升策略泛化能力，无需依赖假设，有效应对新动态和语言描述的未见过游戏。
Comments NeuRIPS 2025. Workshop: LAW 2025: Bridging Language, Agent, and World Models
可扩展的扩散变换器用于条件4D fMRI合成
机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁赫斯旺国家实验室） ； Seoul National Laboratory（首尔国立实验室）
AI总结 本文提出了一种可扩展的扩散变换器，用于条件4D fMRI合成，通过结合3D VQ-GAN和CNN-Transformer结构，实现了高精度的任务条件生成。
Comments Accepted at NeurIPS 2025 Workshop: Foundation Models for the Brain and Body. 13 pages, 6 figures, 4 tables
精确学习算术的可微代理
机构 * TML Lab, EPFL（EPFL TML实验室）
AI总结 本文提出通过可微有限状态转录机实现精确算术学习，展示模型在微小数据集上可泛化至长输入的无误差表现。
Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: MATH-AI
降水现在预测的概率校准
机构 * Vaisala（瓦萨拉）
AI总结 本文提出ETCE度量以改进降水预测的校准，通过选择性缩放与时间提前量条件减少模型校准不良，同时保持预测质量。
Comments Accepted to NeurIPS 2025 Workshop: Tackling Climate Change with Machine Learning
利用词汇频率不平衡性在语言模型预训练中
机构 * KAIST（韩国科学技术院）
AI总结 本研究通过扩大词汇表降低分词文本复杂性，揭示了语言模型预训练中词汇规模与性能的关系。
Comments NeurIPS 2025
PhysX-3D：基于物理的3D资产生成
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 PhysX-3D提出一种基于物理的3D资产生成方法，通过构建物理标注数据集和双分支框架，提升生成资产的物理合理性和几何质量。
Comments Accepted by NeurIPS 2025, Spotlight Project page: https://physx-3d.github.io/
本福特定律的诅咒：追踪数字偏差到大语言模型中的数值幻觉
机构 * Nanyang Technological University（南洋理工大学） ； University College London（伦敦大学学院）
AI总结 研究发现LLMs在预训练中学习到的数字偏倚导致数值生成偏差，通过修剪特定神经元可缓解错误输出。
Comments NeurIPS 2025
熵校正引导用于扩散和流模型
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； Inria（法国国家信息与自动化技术研究院） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔研究所） ； LJK, France（法国劳埃德-约瑟夫-克劳德实验室） ； McGill University（麦吉尔大学） ； Mila, Quebec AI institute（魁北克人工智能研究所） ； Canada CIFAR AI chair（加拿大 CIFAR 人工智能主席）
AI总结 ERG是一种基于注意力机制变化的简单有效引导方法，能同时提升图像质量、多样性及提示一致性，适用于扩散和流模型的多种生成任务。
Comments NeurIPS 2025
通过鲁棒无标签学习实现自迭代标签细化
机构 * The University of Tokyo（东京大学）
AI总结 本文提出了一种通过鲁棒无标签学习实现自迭代标签细化的方法，有效提升了LLM在分类任务中的性能，并在安全对齐和生成任务中展示了优越性。
Comments To appear in the Thirty-Ninth Annual 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