NeurIPS

Learning Efficient Fuse-and-Refine for Feed-Forward 3D Gaussian Splatting

学习高效的融合与细化用于前馈3D高斯散射

Yiming Wang, Lucy Chai, Xuan Luo, Michael Niemeyer, Manuel Lagunas, Stephen Lombardi, Siyu Tang, Tiancheng Sun

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） 纠错

AI总结 本文提出了一种高效的融合与细化模块，通过混合Splat-Voxel表示减少冗余并适应动态场景，实现高效且实时的3D场景重建。

Comments NeurIPS 2025, Previously titled "SplatVoxel: History-Aware Novel View Streaming without Temporal Training", Project Page: https://19reborn.github.io/SplatVoxel/

RLZero: Direct Policy Inference from Language Without In-Domain Supervision

RLZero: 从语言直接推断策略而不使用领域内监督

Harshit Sikchi, Siddhant Agarwal, Pranaya Jajoo, Samyak Parajuli, Caleb Chuck, Max Rudolph, Peter Stone, Amy Zhang, Scott Niekum

AI总结 RLZero通过预训练的RL代理，无需领域内监督，直接从自然语言指令生成行为策略。

Comments NeurIPS 2025, 26 pages

Searching Latent Program Spaces

在潜在程序空间中搜索

Matthew V Macfarlane, Clement Bonnet

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 本文提出LPN，一种在测试时直接构建程序搜索能力的神经网络，通过学习隐含程序空间实现高效适应新任务。

Comments NeurIPS 2025 spotlight. Code available at https://github.com/clement-bonnet/lpn

TopER: Topological Embeddings in Graph Representation Learning

TopER: 图表示学习中的拓扑嵌入

Astrit Tola, Funmilola Mary Taiwo, Cuneyt Gurcan Akcora, Baris Coskunuzer

机构 * Department of Mathematics（数学系） ； Florida State University（佛罗里达州立大学） ； Department of Statistics（统计系） ； University of Manitoba（曼尼托巴大学） ； AI Institute（人工智能研究所） ； University of Central Florida（佛罗里达大学中央分校） ； Department of Mathematical Sciences（数学科学系） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

AI总结 TopER通过拓扑数据分析实现低维图嵌入，提升图数据的可解释性和可视化效果，同时在分类和聚类任务中取得优异性能。

Comments 27 pages, 10 figures

Journal ref NeurIPS 2025

Categorical Flow Matching on Statistical Manifolds

统计流匹配在统计流形上的应用

Chaoran Cheng, Jiahan Li, Jian Peng, Ge Liu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Peking University（北京大学） 纠错

AI总结 统计流匹配通过几何视角在统计流形上实现精确似然计算，提升复杂模式学习能力。

Comments Accepted to NeurIPS 2024 as a conference paper

Position: The Complexity of Perfect AI Alignment -- Formalizing the RLHF Trilemma

位置：完美AI对齐的复杂性——形式化RLHF三重困境

Subramanyam Sahoo, Aman Chadha, Vinija Jain, Divya Chaudhary

机构 * Berkeley AI Safety Initiative (BASIS), University of California, Berkeley（伯克利人工智能安全倡议（BASIS），加州大学伯克利分校） ； AWS Generative AI Innovation Center, Amazon Web Services（亚马逊网络服务生成式人工智能创新中心） ； Meta AI ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学，西雅图，华盛顿州，美国） 纠错

AI总结 研究提出RLHF三重困境，指出在安全、公平和稳健之间存在根本性权衡，并通过复杂性分析证明实现全球代表性需要超多项式计算资源。

Comments Accepted at NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models (ResponsibleFM)

Scaling Up Active Testing to Large Language Models

向大型语言模型扩展主动测试

Gabrielle Berrada, Jannik Kossen, Freddie Bickford Smith, Muhammed Razzak, Yarin Gal, Tom Rainforth

机构 * OATML, Department of Computer Science, University of Oxford（OATML，计算机科学系，牛津大学） ； Department of Statistics, University of Oxford（统计系，牛津大学） 纠错

AI总结 本文提出通过上下文学习低成本构建替代模型，实现对大型语言模型的高效主动测试，提升评估准确性并引入误差估计器。

Comments Published at NeurIPS 2025

Adapting Vision-Language Models for Evaluating World Models

为世界模型评估适应视觉-语言模型

Mariya Hendriksen, Tabish Rashid, David Bignell, Raluca Georgescu, Abdelhak Lemkhenter, Katja Hofmann, Sam Devlin, Sarah Parisot

机构 * University of Oxford（牛津大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本文提出UNIVERSE，一种基于视觉-语言模型的视频世界模型评估器，通过适应不同任务格式和数据约束，实现了细粒度、时间敏感的评估，与任务特定检查点性能相当，并在多种环境中验证了其与人类判断的一致性。

Comments NeurIPS LAW 2025 (Oral)

TorchQuantumDistributed

TorchQuantumDistributed：基于PyTorch的大规模可微量子态向量模拟库

Oliver Knitter, Jonathan Mei, Masako Yamada, Martin Roetteler

机构 * IonQ, Applications Team（IonQ应用团队） 纠错

AI总结 TorchQuantumDistributed 是一个基于 PyTorch 的库，用于大规模可微量子态向量模拟，支持研究高量子比特数的可学习参数化量子电路行为。

Comments 12 pages, 4 figures, to appear in the AI for Science Workshop at NeurIPS 2025

Solar-GECO: Perovskite Solar Cell Property Prediction with Geometric-Aware Co-Attention

Solar-GECO: 基于几何感知的共注意机制的钙钛矿太阳能电池性质预测

Lucas Li, Jean-Baptiste Puel, Florence Carton, Dounya Barrit, Jhony H. Giraldo

机构 * TotalEnergies OneTech ； EDF, Electricité de France（EDF，法国电力公司） ； IPVF, Institut Photovoltaïque d’Ile-de-France（IPVF，法国里昂光伏研究所） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） 纠错

AI总结 Solar-GECO通过整合几何和文本信息，实现钙钛矿太阳能电池功率转换效率的高精度预测。

Comments Accepted at the AI for Accelerated Materials Design (AI4Mat) Workshop at NeurIPS 2025. 14 pages, 4 figures

Defending Large Language Models Against Jailbreak Exploits with Responsible AI Considerations

用负责任的AI考虑来防御大型语言模型对抗劫持攻击

Ryan Wong, Hosea David Yu Fei Ng, Dhananjai Sharma, Glenn Jun Jie Ng, Kavishvaran Srinivasan

机构 * National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出三种防御策略，通过提示级、logit引导和领域特定代理方法，有效降低大型语言模型的劫持攻击成功率。

Comments 20 pages including appendix; technical report; NeurIPS 2024 style

Learning Solution Operators for Partial Differential Equations via Monte Carlo-Type Approximation

通过蒙特卡洛类型近似学习偏微分方程的解算子

Salah Eddine Choutri, Prajwal Chauhan, Othmane Mazhar, Saif Eddin Jabari

机构 * NYUAD Research Institute（纽约大学阿布扎克研究学院） ； New York University Abu Dhabi（纽约大学阿布扎克分校） ； Sorbonne University（索邦大学） ； Université Paris Cité（巴黎城市大学） 纠错

AI总结 MCNO通过蒙特卡洛方法学习参数化偏微分方程的解算子，提供了一种低计算成本且无需频谱假设的替代方案。

Comments NeurIPS 2025 Workshop on Machine Learning and the Physical Sciences

Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models

Nemotron-Flash：迈向延迟优化的混合小型语言模型

Yonggan Fu, Xin Dong, Shizhe Diao, Matthijs Van keirsbilck, Hanrong Ye, Wonmin Byeon, Yashaswi Karnati, Lucas Liebenwein, Hannah Zhang, Nikolaus Binder, Maksim Khadkevich, Alexander Keller, Jan Kautz, Yingyan Celine Lin, Pavlo Molchanov

AI总结 Nemotron-Flash通过优化深度-宽度比和操作符选择，提升小型语言模型的准确率、降低延迟并提高吞吐量。

Comments Accepted by NeurIPS 2025

Facade Segmentation for Solar Photovoltaic Suitability

建筑光伏适用性分割

Ayca Duran, Christoph Waibel, Bernd Bickel, Iro Armeni, Arno Schlueter

机构 * ETH Zurich（苏黎世联邦理工学院） ； VITO CRIB Mol ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种基于SegFormer-B5的管道，用于自动识别建筑立面的光伏适用区域并估算太阳能潜力，通过整合建筑组成信息，为城市能源规划提供可靠数据。

Comments NeurIPS 2025 Tackling Climate Change with Machine Learning Workshop version. Non-archival

Deterministic Continuous Replacement: Fast and Stable Module Replacement in Pretrained Transformers

确定性连续替换：在预训练变换器中实现快速且稳定的模块替换

Rowan Bradbury, Aniket Srinivasan Ashok, Sai Ram Kasanagottu, Gunmay Jhingran, Shuai Meng

机构 * Bradbury Group（布拉德伯格集团） ； University of Waterloo（多伦多大学） ； SUNY Stony Brook（石溪大学） ； Delhi Technological University（德里技术大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文提出确定性连续替换（DCR）方法，通过融合教师和学生输出实现预训练变换器中快速且稳定的模块替换，有效解决了冷启动重新初始化带来的稳定性问题。

Comments Accepted to NeurIPS 2025 ScaleOPT Workshop; 8 pages; includes figures

RigAnyFace: Scaling Neural Facial Mesh Auto-Rigging with Unlabeled Data

RigAnyFace: 基于未标注数据的神经面部网格自动 rigging 扩展

Wenchao Ma, Dario Kneubuehler, Maurice Chu, Ian Sachs, Haomiao Jiang, Sharon Xiaolei Huang

机构 * Penn State University（宾夕法尼亚州立大学） ； Roblox 纠错

AI总结 RigAnyFace通过基于未标注数据的2D监督策略，实现了对不同拓扑结构面部网格的高效自动rigging，支持多不连通组件，提升准确性和泛化能力。

Comments Accepted by NeurIPS 2025

Inferring response times of perceptual decisions with Poisson variational autoencoders

基于泊松变分自动编码器推断感知决策的响应时间

Hayden R. Johnson, Anastasia N. Krouglova, Hadi Vafaii, Jacob L. Yates, Pedro J. Gonçalves

机构 * VIB–Neuroelectronics Research Flanders（VIB神经电子研究佛兰德斯） ； KU Leuven（库尔勒大学） ； Herbert Wertheim School of Optometry & Vision Science, UC Berkeley（赫伯特·韦尔泰姆视觉科学学院，伯克利大学） ； Redwood Center for Theoretical Neuroscience, UC Berkeley（红木理论神经科学中心，伯克利大学） 纠错

AI总结 本文提出基于泊松变分自动编码器的模型，用于推断感知决策的响应时间，通过高效感官编码和贝叶斯解码模拟决策过程，并在MNIST分类中验证其有效性。

Comments To appear at the NeurIPS 2025 Workshop on Data on the Brain \& Mind

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

SpellerSSL: 基于P300聚合的自监督学习用于拼写BCI

Jiazhen Hong, Geoff Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究） 纠错

AI总结 SpellerSSL通过结合自监督学习与P300聚合，提升拼写BCI的信噪比、泛化能力和校准效率。

Journal ref Proceedings of the NeurIPS 2025 Workshop on Data on the Brain and Mind

Scaffold Diffusion: Sparse Multi-Category Voxel Structure Generation with Discrete Diffusion

Scaffold Diffusion: 通过离散扩散模型生成稀疏多类体素结构

Justin Jung

机构 * Biohub Redwood City, USA（Biohub 红木城，美国） 纠错

AI总结 Scaffold Diffusion通过离散扩散模型生成稀疏多类3D体素结构，克服稀疏性带来的挑战，生成逼真且连贯的结构。

Comments Accepted at NeurIPS 2025 Structured Probabilistic Inference & Generative Modeling Workshop

The Geometry of Cortical Computation: Manifold Disentanglement and Predictive Dynamics in VCNet

卷积计算的几何学：VCNet中的流形解缠与预测动态

Brennen A. Hill, Zhang Xinyu, Timothy Putra Prasetio

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 威斯康星大学麦迪逊分校） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

AI总结 VCNet通过融合神经科学原理和几何框架，实现了更高效且鲁棒的视觉计算，展示了在图像分类任务中优于现有模型的性能。

Comments Published in the proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Symmetry and Geometry in Neural Representations (NeurReps). Additionally accepted for presentation in NeurIPS 2025 Workshop: Interpreting Cognition in Deep Learning Models (CogInterp)

Communicating Plans, Not Percepts: Scalable Multi-Agent Coordination with Embodied World Models

传达计划，而非感知：基于具身世界模型的可扩展多智能体协调

Brennen A. Hill, Mant Koh En Wei, Thangavel Jishnuanandh

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 明尼苏达大学） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

AI总结 本文提出基于具身世界模型的意图通信方法，通过端到端学习与工程化设计对比，展示在复杂环境下更优的协调能力。

Comments Published in the Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA). Additionally accepted for presentation in the NeurIPS 2025 Workshop: Embodied World Models for Decision Making (EWM) and the NeurIPS 2025 Workshop: Optimization for Machine Learning (OPT)

SING: SDE Inference via Natural Gradients

SING：通过自然梯度进行SDE推断

Amber Hu, Henry Smith, Scott Linderman

机构 * Stanford University（斯坦福大学） 纠错

AI总结 SING通过自然梯度变分推断提升隐式SDE模型中的状态推断和非线性漂移函数估计精度。

Comments To appear in Advances in Neural Processing Information Systems (NeurIPS), 2025

AdaVideoRAG: Omni-Contextual Adaptive Retrieval-Augmented Efficient Long Video Understanding

AdaVideoRAG：多情境自适应检索增强高效长视频理解

Zhucun Xue, Jiangning Zhang, Xurong Xie, Yuxuan Cai, Yong Liu, Xiangtai Li, Dacheng Tao

机构 * Zhejiang University（浙江大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Huazhong University of Science and Technolog（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 AdaVideoRAG通过自适应检索增强框架提升长视频理解效率与准确性，支持多层级知识检索与深度语义分析。

Comments NeurIPS 2025

TRAP: Targeted Redirecting of Agentic Preferences

TRAP：面向目标的代理偏好重定向

Hangoo Kang, Jehyeok Yeon, Gagandeep Singh

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 TRAP通过语义引导的跨模态操纵，诱导代理AI系统产生一致的选择偏见，揭示了语义层面的安全漏洞。

Comments Accepted to NeurIPS 2025

URLs Help, Topics Guide: Understanding Metadata Utility in LLM Training

URL助益，主题引导：理解元数据在LLM训练中的效用

Dongyang Fan, Vinko Sabolčec, Martin Jaggi

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 本研究探讨了元数据在LLM训练中的效用，发现URL上下文能提升训练效率，而主题和格式信息则能引导生成输出，但不加速训练。

Comments NeurIPS 2025, Camera Ready

Power Lines: Scaling Laws for Weight Decay and Batch Size in LLM Pre-training

电力线：大规模预训练中权重衰减和批量大小的缩放定律

Shane Bergsma, Nolan Dey, Gurpreet Gosal, Gavia Gray, Daria Soboleva, Joel Hestness

机构 * Cerebras Systems（Cerebras系统） 纠错

AI总结 本文研究了大规模语言模型预训练中权重衰减和批量大小的缩放定律，揭示了超参数在不同训练设置下的优化规律，并提出了基于令牌数比的精确预测方法。

Comments NeurIPS 2025

Collapsing Taylor Mode Automatic Differentiation

坍缩泰勒模式自动微分

Felix Dangel, Tim Siebert, Marius Zeinhofer, Andrea Walther

AI总结 本文提出了一种通过重写计算图来坍缩导数的优化技术，用于加速泰勒模式自动微分在科学机器学习中的应用。

Comments 10 pages + appendix; camera-ready version (NeurIPS 2025)

KINDLE: Knowledge-Guided Distillation for Prior-Free Gene Regulatory Network Inference

KINDLE：基于知识引导的无先验基因调控网络推断

Rui Peng, Yuchen Lu, Qichen Sun, Yuxing Lu, Chi Zhang, Ziru Liu, Jinzhuo Wang

AI总结 KINDLE通过解耦先验知识依赖，利用教师模型与学生模型的蒸馏实现无先验基因调控网络推断，准确识别关键转录因子并预测生物过程。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

强化学习真的能激励大语言模型在基础模型之外提升推理能力吗？

Yang Yue, Zhiqi Chen, Rui Lu, Andrew Zhao, Zhaokai Wang, Yang Yue, Shiji Song, Gao Huang

机构 * LeapLab, Tsinghua University（清华大学 LeapLab） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本研究发现RLVR方法未有效激发LLMs的新型推理能力，而蒸馏方法能更有效地扩展模型推理能力。

Comments 31 pages, 27 figures

Journal ref NeurIPS 2025 Oral; ICML 2025 AI4MATH workshop best paper

Systematic Reward Gap Optimization for Mitigating VLM Hallucinations

系统性奖励缺口优化以缓解视觉语言模型的幻觉

Lehan He, Zeren Chen, Zhelun Shi, Tianyu Yu, Jing Shao, Lu Sheng

机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） 纠错

AI总结 TPR通过主题级偏好重写系统优化奖励缺口配置，显著减少VLM幻觉并提升对齐效果。

Comments 34 pages, 12 figures, Accepted by NeurIPS 2025