期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
一个近似、高效的LP松弛求解器
AI总结 本文提出一种高效的近似LP松弛方法，通过并行随机坐标下降法解决二次惩罚形式的LP问题，实验证明其在顶点覆盖、独立集和多路割等组合优化问题上比商业求解器快一个数量级，同时保持相似的解质量。
Comments Clarified that this manuscript is a full version of an article that is to appear in NIPS 2013
探索深度和循环架构以实现最优控制
AI总结 本文探讨了将深度和循环神经网络应用于连续高维运动控制任务，通过强化学习算法训练控制器，比较不同架构的性能，并讨论深度学习在最优控制中的应用前景。
Comments Appears in the Neural Information Processing Systems (NIPS 2013) Workshop on Deep Learning
表示能力：Transformer语言模型中特征表示的几何限制
机构 * Arizona State University（亚利桑那州立大学）
AI总结 基于线性表示和叠加假设，通过嵌入矩阵的余弦相似度分布估计模型可支持的近正交方向数量，推导出容量公式，并发现容量对偏差ε指数敏感。
Comments 22 pages, 10 figures. Submitted to NeurIPS 2026. This is a condensed version of thesis: https://hdl.handle.net/2286/R.2.N.204857
AdaWeather: 自适应混合概率天气预报与对数遗憾
机构 * Ashoka University（阿什oka大学） ； Western Kentucky University（西方肯塔基大学）
AI总结 提出 AdaWeather 自适应框架，通过结合机器学习和专家混合方法融合多个概率天气预报，实现对数遗憾界，并在温度预测上取得改进。
Comments 36 pages, 16 figures. Submitted to arXiv. Forecast aggregation for probabilistic weather prediction using offline supervised learning and online prediction with expert advice. Includes theoretical regret guarantees and empirical evaluation on temperature forecasting. Submitted to NeurIPS 2026
深度ReLU分类中梯度下降泛化的最优速率
机构 * School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Department of Mathematics, The University of Hong Kong（香港大学数学系） ； School of mathematics and statistics, University of Sydney（悉尼大学数学与统计学学院）
AI总结 针对深度ReLU网络，通过权衡优化与泛化误差，在NTK可分离假设下证明了梯度下降的泛化误差率为~O(L^6/(nγ^2))，与SVM最优率仅差深度相关因子，关键技术是控制参考模型附近的激活模式以得到更紧的Rademacher复杂度界。
Comments Published in NeurIPS 2025
TalkPlay-Tools: 基于大语言模型工具调用的对话式音乐推荐
机构 * KAIST（韩国科学技术院） ； talkpl.ai
AI总结 提出一种基于LLM工具调用的统一检索-重排序流水线，通过布尔过滤、稀疏检索、稠密检索和生成式检索的组合，实现端到端的对话式音乐推荐。
Comments Accepted for publication at The Workshop on AI for Music, Neural Information Processing Systems (NeurIPS-AI4Music)
从太空视角：利用EOFMs导航仪器差异
机构 * Spatial Informatics Group（空间信息组）
AI总结 本研究通过分析地球观测基础模型（EOFMs）对传感器架构的敏感性，揭示了当前模型设计的缺陷，并为模型开发者、用户和遥感科学社区指明了前进方向。
Journal ref https://neurips.cc/virtual/2025/loc/san-diego/122891
贪婪即美德：引导生成的统一视角
AI总结 本文通过将后验引导视为端到端引导的贪婪策略，统一了两种梯度引导方法，并提出了在计算与精度之间权衡的插值方法，在逆图像问题和分子生成任务上验证了有效性。
Comments Accepted at NeurIPS 2025
高斯过程动态系统中的期望传播：扩展版
AI总结 本文提出基于期望传播的消息传递算法用于高斯过程动态系统的近似推理，通过前向后向平滑迭代获得更精确的潜在结构后验分布，提升预测性能，并统一了现有GPDS平滑器。
Journal ref Advances in Neural Information Processing Systems 25 (NIPS), pp. 2609-2617, 2012
快速与更快：两种流式矩阵分解算法的比较
AI总结 本文比较了单遍分布式算法和两遍流式随机算法在恒定内存下处理大规模矩阵分解的性能与精度，以英文维基百科为数据集进行潜在语义分析实验。
Journal ref NIPS Workshop on Low-Rank Methods for Large-Scale Machine Learning, 2010
增广拉格朗日乘子法用于精确恢复被破坏的低秩矩阵
AI总结 针对鲁棒主成分分析问题，提出基于增广拉格朗日乘子法的可扩展快速算法，实现被任意破坏的低秩矩阵的精确恢复，并证明其最优性和收敛速率。
Comments Please cite "Zhouchen Lin, Risheng Liu, and Zhixun Su, Linearized Alternating Direction Method with Adaptive Penalty for Low Rank Representation, NIPS 2011." (available at arXiv:1109.0367) instead for a more general method called Linearized Alternating Direction Method This manuscript first appeared as University of Illinois at Urbana-Champaign technical report #UILU-ENG-09-2215 in October 2009 Zhouchen Lin, Risheng Liu, and Zhixun Su, Linearized Alternating Direction Method with Adaptive Penalty for Low Rank Representation, NIPS 2011. (available at http://arxiv.org/abs/1109.0367)
拟牛顿近端分裂方法
AI总结 本文推导了凸分析中关于特定缩放范数下邻近算子计算的新结果，并利用对偶问题的分段线性特性实现了高效邻近计算，进而提出一种优雅的拟牛顿加速方法，在信号处理、稀疏恢复和机器学习等领域优于现有技术。
Journal ref NIPS (2012), pp. 2627--2635
使张量分解对非高斯噪声鲁棒
AI总结 针对CP张量分解在非高斯噪声下敏感的问题，提出基于1-范数的损失函数，并设计交替最小化-最大化算法进行拟合。
Comments Contributed presentation at the NIPS Workshop on Tensors, Kernels, and Machine Learning, Whistler, BC, Canada, December 10, 2010
扩散映射、谱聚类与Fokker-Planck算子的特征函数
AI总结 本文提出基于扩散过程的谱聚类和降维算法的概率解释，通过扩散距离和Fokker-Planck算子特征函数，为使用归一化图拉普拉斯特征向量的方法提供数学依据。
Comments submitted to NIPS 2005
层级语义增强导航：面向视觉语言导航的最优传输与图驱动推理
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（新加坡南洋理工大学交叉学科研究生项目） ； University College London（伦敦大学学院）
AI总结 提出层级语义增强导航框架，通过动态层级语义场景图、基于最优传输的拓扑规划器与图感知强化学习策略，解决连续环境中的视觉语言导航难题，实现最优性能。
Comments Published in NeurIPS 2025, address some typos
将语言模型与基于物理的模拟相结合用于无机材料的合成
机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出一种结合热力学数据库与简化动力学模型的混合框架，评估大语言模型在无机材料合成规划中的表现，以铌氧体系为例证明其能生成更可行的合成策略。
Comments Accepted to the AI for Accelerated Materials Design (AI4Mat) Workshop at Neurips 2025
位置编码锚定视觉Transformer中的空间结构：基于几何视角的鲁棒性研究
机构 * ESSTHS
AI总结 本文通过引入空间相似性距离相关性（SSDC）度量，研究不同位置编码对视觉Transformer内部空间表示几何结构的影响，发现位置编码通过建立索引锚定的空间组织来提升模型在内容破坏性分布偏移下的鲁棒性。
Comments 16 pages (9 main text, 7 appendix). 5 figures (3 main text, 2 appendix) with 8 graphics total. 5 tables (1 main text, 4 appendix). Submitted to NeurIPS 2026 main conference and the ICML 2026 mechanistic interpretability workshop
MindGames Arena 泛化赛道：具有延迟每步奖励归因的 In2AI 解决方案
机构 * iMak AI Lab（iMak人工智能实验室）
AI总结 提出延迟每步奖励归因方法，结合资格门控、异步rollout生成和课程对手采样，实现多智能体环境中稳定高效的强化学习训练，并在NeurIPS 2025的MindGames Arena基准测试中取得领先。
Comments 18 pages, 2 figures, 9 tables. Technical report. First place in both Open and Efficient tracks of MindGames Arena Generalization Track at NeurIPS 2025
RefLoRA：重构低秩适配以实现大型模型的高效微调
机构 * Department of ECE University of Minnesota（电子工程系明尼苏达大学） ； Department of CS ETH Zürich（计算机科学系苏黎世联邦理工学院）
AI总结 针对LoRA因非唯一低秩分解导致权重更新不一致和性能下降的问题，提出RefLoRA方法，通过每步优化最小化损失上界的低秩分解，促进更平坦的损失景观和稳定收敛，在自然语言理解和常识推理任务上优于现有LoRA变体且计算开销可忽略。
Comments Accepted as a conference paper at NeurIPS 2025
VERA：用于越狱大型语言模型的变分推理框架
机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学）
AI总结 提出VERA框架，将黑盒越狱提示生成视为变分推理问题，训练小型攻击者LLM近似目标LLM的对抗提示后验，无需重新优化即可生成多样且流畅的越狱提示。
Comments Accepted by NeurIPS 2025
域泛化需要多少域？通过域破碎维度的紧刻画
机构 * Harvard University（哈佛大学）
AI总结 本文在PAC框架下引入域破碎维度，刻画了域泛化中所需随机采样域的数量，并建立了与VC维度的紧定量关系。
Comments Accepted to NeurIPS 2025
MergeTok: 通过令牌合并实现统一连续和离散视觉令牌化
机构 * Tsinghua University（清华大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； OPPO ； Shanghai AI Lab（上海人工智能实验室）
AI总结 提出MergeTok统一令牌化器，通过令牌合并技术联合优化连续VAE和离散VQ令牌化器，实现高保真重建与语义可控离散表示的兼顾。
Comments 11 pages (main text), 7 figures. Preprint. Under review at NeurIPS 2026
子图解释能否被武器化以窃取图神经网络？
机构 * University of Southern California（南加州大学） ； Florida State University（佛罗里达州立大学）
AI总结 本文提出首个针对图分类的黑盒模型提取攻击，利用模型解释输出引导蒙特卡洛边敏感性估计，并利用解释子图缩小边界搜索空间，实验表明该方法优于现有基线。
Comments 28 pages, 8 figures, 10 tables. Under review at NeurIPS 2026
无需重新训练的预训练模型弹性ViTs
机构 * University of Technology Nuremberg（图恩大学） ； University of Amsterdam（阿姆斯特丹大学） ； NVIDIA（英伟达）
AI总结 提出SnapViT方法，通过结合梯度信息与进化算法近似跨网络结构相关性，实现无需重训练的结构化剪枝，支持连续计算预算下的弹性推理。
Comments Accepted at NeurIPS 2025
干扰下的随机梯度
机构 * University of Washington（华盛顿大学）
AI总结 本文研究目标函数依赖于未知干扰参数的学习问题中随机梯度算法的非渐近收敛性，证明在Neyman正交性等条件下经典算法仍可收敛，并提出近似正交化更新变体以在非正交情形下达到类似收敛率。
Comments Published at NeurIPS 2025
EASE配置促进LLM社会模拟的可重复科学
AI总结 提出EASE模块化框架（环境、智能体、模拟引擎、评估指标）并构建SiliSocS开源沙盒，通过三个案例研究验证其在高可配置、可重复的LLM社会模拟中的效用。
Comments 22 pages, 5 figures, under review at NeurIPS 2026
基于迭代式LLM的神经架构搜索的收敛理论：一个具有闭式代理可靠性的参数化交叉熵框架
机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国）
AI总结 将迭代式LLM-NAS建模为参数化交叉熵方法，证明了收敛性、精英集概率几何收敛、增量生成有效性、MinHash-Jaccard去重防止模式崩溃以及代理可靠性闭式公式，并通过实验验证了理论预测。
Comments 14 pages, 2 figures, 2 tables. Submitted to NeurIPS 2026
兴趣问题：理解人类与语言模型对数学问题的兴趣度
机构 * KTH Royal Institute of Technology（皇家理工学院） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Cambridge（剑桥大学） ； Kempner Institute at Harvard University（哈佛大学肯普尼研究所） ； Mistral AI
AI总结 通过比较大型语言模型与不同数学背景人群对数学问题的兴趣度评分，研究LLM在兴趣判断上与人类的一致性，并评估其生成有趣问题的能力。
Comments Published at the Math-AI Workshop, NeurIPS 2025
数据集驱动的Transformer通道掩码用于多变量时间序列
机构 * Department of Statistics and Data Science, Yonsei University（延世大学统计与数据科学系） ； LG AI Research（LG人工智能研究）
AI总结 提出部分通道依赖（PCD）概念，通过数据集特定的通道掩码（CMs）改进Transformer中的通道依赖建模，并在多种任务和数据集上验证有效性。
Comments ICASSP 2026. Preliminary version: NeurIPS Workshop on Time Series in the Age of Large Models 2024 (Oral presentation)
从语境偏移到风格崩溃：为什么训练目标比规模更重要
机构 * Independent Researcher（独立研究者）
AI总结 本文通过分析17个模型（410M-100B+参数）在24个语言探针上的表现，发现指令微调系统会导致语言熵沿语篇和结构维度系统性崩溃，并表明弱干预加剧崩溃而强控制可显著改善，揭示了当前对齐流程在重新分配风格概率质量方面的结构性局限。
Comments 26 pages, 13 tables, 2 figures. Planning to submit to NeurIPS 2026
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