高校专区
OpenApps: 通过模拟环境变化来衡量UI代理的可靠性
机构 * FAIR at Meta（Meta 的 FAIR 研究组） ； New York University（纽约大学） ； Brown University（布朗大学）
AI总结 OpenApps通过模拟不同应用程序变化来衡量UI代理的可靠性，发现任务成功率在不同环境中有显著波动。
大语言模型中的主动切片发现
机构 * University of Waterloo（多伦多大学） ； New York University（纽约大学）
AI总结 本文提出主动切片发现方法，通过主动学习算法有效识别大语言模型中的错误切片，提升毒性分类的准确性。
Comments Accepted for presentation at NeurIPS 2025 - Reliable ML Workshop
全方位思考：野外人形视觉搜索
机构 * NYU（纽约大学） ； NVIDIA（英伟达） ； TU Darmstadt（图鲁姆大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本文提出人形视觉搜索方法，通过人形代理在360°全景图像中搜索物体和路径，实验表明现有模型在复杂场景中表现不佳，但通过后训练技术显著提升了性能。
Comments Website: https://humanoid-vstar.github.io/ ; Code: https://github.com/humanoid-vstar/hstar
群平均用于物理应用：零训练成本下的精度提升
机构 * Center for Cosmology and Particle Physics（宇宙与粒子物理中心） ； Department of Physics（物理系） ； New York University（纽约大学） ； Department of Applied Mathematics & Statistics and Mathematical Institute for Data Science（应用数学与统计系及数据科学数学研究所） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出通过群平均技术在零训练成本下提升物理应用中模型的预测精度，实验表明该方法能有效降低评估损失并改善连续动态预测效果。
Comments 10 pages, 2 figures, 1 table, Machine Learning and the Physical Sciences Workshop, NeurIPS 2025
Journal ref Machine Learning and the Physical Sciences Workshop, NeurIPS 2025
从一个攻击领域到另一个：基于Siamese网络的对比迁移学习用于APT检测
机构 * New York University, NYUAD, Division of Science.（纽约大学、NYUAD科学学院）
AI总结 本文提出基于Siamese网络和对比学习的混合迁移框架，通过注意力自编码器和SHAP特征选择提升APT检测的跨域泛化能力与可解释性。
基于排名的异常检测：利用主动学习辅助的注意力对抗双自编码器
机构 * New York University（纽约大学） ； NYUAD, Division of Science（纽约大学亚当分校，科学学院） ； The University of Edinburgh（爱丁堡大学） ； School of Informatics（信息学院）
AI总结 本文提出一种结合主动学习和注意力对抗双自编码器的异常检测方法，通过减少标注成本提升检测精度，适用于APT检测的不平衡数据集。
MXtalTools: 一种用于分子晶体机器学习的工具包
机构 * Department of Chemistry, New York University（纽约大学化学系） ； Department of Physics, New York University（纽约大学物理系） ； NYU–ECNU Center for Computational Chemistry at NYU Shanghai（纽约上海纽约大学-复旦大学计算化学中心） ； Simons Center for Computational Physical Chemistry at New York University（纽约大学Simons计算物理化学中心） ； Initiative for Computational Catalysis, Flatiron Institute（Flatiron研究所计算催化计划）
AI总结 MXtalTools是一个用于分子晶体机器学习的工具包，提供数据驱动建模、晶体结构采样与优化等功能，支持高通量晶体建模和开放源代码。
Comments 16 pages, 11 figures
计算图灵测试揭示人类与人工智能语言之间的系统性差异
机构 * University of Zurich, Department of Informatics（苏黎世大学信息学院） ； University of Amsterdam, Institute for Logic, Language and Computation (ILLC)（阿姆斯特丹大学逻辑、语言与计算研究所） ； Duke University（杜克大学） ； New York University, Department of Sociology（纽约大学社会学系）
AI总结 本文通过计算图灵测试系统比较了九个LLM在不同校准策略下的表现，揭示了LLM在人类相似性与语义忠实性之间的权衡。
如何找到非凡的AI论文：自我排名作为预测科学影响的强大指标超越同行评审
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； New York University（纽约大学） ； Princeton University（普林斯顿大学）
AI总结 本文通过研究作者自我排名发现其能有效预测AI领域高影响力论文，优于同行评审。
通过多尺度推理方案利用扩散模型预测部分可观测的动力系统
机构 * The Polymathic AI Collaboration（多学科人工智能协作） ； Flatiron Institute（Flatiron研究所） ； University of Geneva（日内瓦大学） ； FHNW（FHNW大学） ； Princeton University（普林斯顿大学） ； New York University（纽约大学） ； University of Cambridge（剑桥大学） ； University of Kyiv（基辅大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Liège（列日大学） ； NorthWest Research Associates（北威州研究协会） ； Nagoya University（名古屋大学） ； Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎萨克雷大学、巴黎cité大学、CEA、CNRS、AIM）
AI总结 本文提出一种多尺度推理方案，利用扩散模型有效预测部分可观测的长记忆动力系统，应用于太阳动态和活跃区域演化。
通过蒙特卡洛类型近似学习偏微分方程的解算子
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）
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
ADF-LoRA: 交替低秩聚合用于去中心化联邦微调
机构 * Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA（电气与计算机工程系，纽约大学，布鲁克林，纽约，美国）
AI总结 ADF-LoRA通过交替低秩聚合提升去中心化联邦学习的稳定性与收敛速度，实现更高准确率。
Comments 10 Pages
动态领土数据提取器（ATDE）：一种从动态历史地图视频中提取领土数据的计算机视觉方法
机构 * Center for Data Science, New York University（数据科学中心，纽约大学）
AI总结 ATDE是一种通过计算机视觉从动态历史地图视频中提取领土数据的工具，能生成按年份统计的像素数据，适用于教育演示和历史动态分析。
Comments 11 pages, 5 figures
让专家发言：通过专家混合头改进生存预测与校准
机构 * Department of Computer Science Columbia University USA（哥伦比亚大学计算机科学系） ； Department of Computer Science New York University USA（纽约大学计算机科学系） ； Department of Neurology Columbia University Medical Center USA（哥伦比亚大学医学中心神经病学系） ； Department of Computer Science Barnard College USA（巴纳德学院计算机科学系） ； Department of Biomedical Informatics Columbia University Medical Center USA（哥伦比亚大学医学中心生物医学信息学系） ； NewYork-Presbyterian Hospital at Columbia University Medical Center USA（哥伦比亚大学医学中心新英格兰-纽约 Presbyterian 医院）
AI总结 本文提出了一种改进生存预测和校准的混合专家架构，通过更具表现力的专家实现更准确的患者分组和预测。
Comments Accepted as a proceedings paper at the 2025 Machine Learning for Health Symposium and as a workshop paper at the Learning from Time Series for Health workshop at NeurIPS 2025
一种用于缩短蛋白质同时保持其功能的扩散模型
机构 * New York University（纽约大学） ； Harvard University（哈佛大学）
AI总结 SCISOR是一种新的离散扩散模型，通过删除蛋白质序列中的字母来生成更现实的蛋白质，同时保持其功能。
Comments Code available at https://github.com/baronet2/SCISOR
端到端视觉自主泊车 via 控制辅助注意力
机构 * New York University（纽约大学） ； Bosch Research（博世研究）
AI总结 CAA-Policy通过控制辅助注意力机制实现端到端视觉自主泊车，提升控制与感知的协同，增强策略的鲁棒性和可解释性。
DreamGarden：基于单一提示生成游戏的设计师助手
机构 * New York University \& Microsoft USA ； Microsoft USA ； New York University \& Microsoft ； Microsoft
AI总结 DreamGarden通过基于大语言模型的规划器，将用户提供的高层次提示转化为分层行动计划，实现多样化游戏环境的开发，探索半自动助手和开放性模拟设计的未来方向。
Comments 30 pages + appendix, 11 figures, published at CHI 2025
场景摘要：将场景视频聚类为空间上多样的帧
机构 * New York University（纽约大学）
AI总结 SceneSum通过自监督方法将场景视频聚类为空间多样化的关键帧，提升空间推理能力，优于现有视频摘要方法。
解开CLIP数据之谜
机构 * FAIR, Meta AI（FAIR，Meta AI） ； New York University（纽约大学） ； University of Washington（华盛顿大学）
AI总结 MetaCLIP通过优化数据整理方法，提升CLIP在图像分类任务中的性能。
Comments 17 pages. arXiv admin note: text overlap with arXiv:2103.00020 by other authors
扩展测试时间缩放：一种具有上下文、批量和回合的三维视角
机构 * Tsinghua University（清华大学） ； New York University（纽约大学）
AI总结 本文提出三维测试时间缩放框架，通过上下文、批量和回合三个维度提升推理性能，并在多个测试环境中验证其有效性。
Comments 44 pages, 12 figures
大语言模型中用于知识存储的参数专业化趋势的兴起
机构 * Alibaba Group（阿里巴巴集团） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本研究分析了大语言模型中MLP参数的知识存储方式，发现参数专业化提高了知识利用效率，并通过实验验证了其重要性。
Comments Accepted in NeurIPS 2025
对齐视觉与语言：无需注释的多模态知识图谱构建以增强大语言模型推理
机构 * Tongji University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 本文提出 VaLiK 方法，通过跨模态信息补充构建无需注释的多模态知识图谱，提升大语言模型推理能力。
Comments 14 pages, 7 figures, 6 tables; Accepted by ICCV 2025
智能眼镜中的灵巧性：基于真实世界人类示范的多指机器人操控
机构 * New York University（纽约大学） ； Meta
AI总结 本文提出AINA框架，通过智能眼镜采集真实世界人类示范数据，实现多指机器人操控策略的学习，无需依赖传统机器人数据。
提升采样温度：用于生成创意且连贯LLM输出的min-p采样
机构 * Apart Research ； Independent（独立研究者） ； New York University（纽约大学）
AI总结 min-p采样通过动态截断方法提升LLM生成文本的质量和多样性，尤其在高温度下表现优异，已获多个开源框架采用。
Comments Oral presentation at ICLR 2025. Camera-ready version available at https://iclr.cc/virtual/2025/poster/30358
Journal ref In Proceedings of the 2025 International Conference on Learning Representations (ICLR), 2025
BRAVE：具有语音集成和具身学习的脑控假肢臂以增强移动性
机构 * eBRAIN Lab, Division of Engineering（eBRAIN实验室，工程系） ； New York University (NYU) Abu Dhabi（纽约大学阿布扎克分校）
AI总结 BRAVE通过结合EEG和语音控制，利用集成学习和具身学习提升假肢运动控制的实时性和鲁棒性。
Comments 9 pages, 12 figures, Accepted at IJCNN 2025
机构 * New York University（纽约大学） ； Consolidated Edison Company of New York Inc.（纽约 Consolidated Edison 公司）
机构 * Shanghai Jiao Tong University（上海交通大学） ； Yale University（耶鲁大学） ； NYU Shanghai（纽约大学上海分校） ； TCS Research（TCS研究）
机构 * Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo (ICMC-USP)（圣保罗大学数学与计算机科学研究所） ； Courant Institute of Mathematical Sciences, New York University (NYU)（纽约大学Courant数学科学研究所） ； Instituto de Matemática Pura e Aplicada (IMPA)（数学与应用数学研究所）
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Computer Science, New York University（纽约大学计算机科学）
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:67852-67863, 2025
机构 * Courant Institute School of Mathematics, Computing, and Data Science（Courant学院数学、计算与数据科学学院） ； New York University（纽约大学） ； Department of Neurosurgery（神经外科部） ； Global AI Frontier Lab（全球人工智能前沿实验室） ； Electrical and Computer Engineering（电气与计算机工程） ； Tandon School of Engineering（Tandon工程学院） ； Grossman School of Medicine（Grossman医学院） ； Department of Medicine（医学部） ； Department of Computer Science（计算机科学部） ； Department of Surgery（外科部） ； Division of Applied AI Technologies（应用人工智能技术部） ； Department of Population Health（人口健康部） ； ETH Zurich（苏黎世联邦理工学院）
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