NeurIPS

3BASiL: An Algorithmic Framework for Sparse plus Low-Rank Compression of LLMs

3BASiL: 一种用于大型语言模型稀疏加低秩压缩的算法框架

Mehdi Makni, Xiang Meng, Rahul Mazumder

机构 * Operations Research Center（运筹学研究中心） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 3BASiL-TM提出了一种高效的单次后训练方法，用于LLMs的稀疏加低秩分解，显著提升了压缩效果和效率。

Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data

通过流引导神经算子实现自监督学习（时间序列数据）

Duy Nguyen, Jiachen Yao, Jiayun Wang, Julius Berner, Animashree Anandkumar

机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学部，Caltech） ； NVIDIA 纠错

AI总结 本文提出流引导神经算子（FGNO）框架，通过结合算子学习与流匹配，实现更灵活的自监督学习，提升时间序列数据表示学习的性能和鲁棒性。

Comments Accepted to NeurIPS 2025 Workshop

Generating Multi-Table Time Series EHR from Latent Space with Minimal Preprocessing

从潜在空间生成多表时间序列电子健康记录并最小化预处理

Eunbyeol Cho, Jiyoun Kim, Minjae Lee, Sungjin Park, Edward Choi

机构 * KAIST（韩国科学技术院） ； FuriosaAI 纠错

AI总结 RawMed通过最小预处理从潜在空间生成多表时间序列EHR，提升数据保真度和实用性。

Comments Accepted at NeurIPS 2025

Identifying and Characterising Response in Clinical Trials: Development and Validation of a Machine Learning Approach in Colorectal Cancer

识别和表征临床试验中的反应：在结直肠癌中开发和验证一种机器学习方法

Adam Marcus, Paul Agapow

AI总结 本文提出了一种机器学习方法，用于识别和表征临床试验中患者对治疗的动态反应，通过survLIME模型在结直肠癌中验证其有效性。

Comments Accepted in NewInML @ NeurIPS 2020

Concerto: Joint 2D-3D Self-Supervised Learning Emerges Spatial Representations

Concerto：联合2D-3D自监督学习产生空间表示

Yujia Zhang, Xiaoyang Wu, Yixing Lao, Chengyao Wang, Zhuotao Tian, Naiyan Wang, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 Concerto通过联合2D-3D自监督学习，产生更连贯的信息空间表示，优于现有SOTA模型并在多个基准上取得新成就。

Comments NeurIPS 2025, produced by Pointcept, project page: https://pointcept.github.io/Concerto

Journal ref Neural Information Processing Systems 2025

Distribution-Aligned Decoding for Efficient LLM Task Adaptation

面向高效大语言模型任务适应的分布对齐解码

Senkang Hu, Xudong Han, Jinqi Jiang, Yihang Tao, Zihan Fang, Yong Dai, Sam Tak Wu Kwong, Yuguang Fang

机构 * Hong Kong JC STEM Lab of Smart City（香港JC智能城市STEM实验室） ； City University of Hong Kong（香港城市大学） ； University of Sussex（苏塞克斯大学） ； Huazhong University of Science and Technology（华中科技大学） ； Fudan University（复旦大学） ； Lingnan University（岭大大学） 纠错

AI总结 SVDecode通过引导输出分布对齐提升大语言模型任务适应性能，理论证明其与全微调等价，实验显示在多个任务上准确率提升显著。

Comments Accepted by NeurIPS'25

Augmenting Research Ideation with Data: An Empirical Investigation in Social Science

用数据增强研究构想：社会科学领域的实证研究

Xiao Liu, Xinyi Dong, Xinyang Gao, Yansong Feng, Xun Pang

机构 * Wangxuan Institute of Computer Technology（王轩计算机技术研究所） ； Yuanpei College（元培学院） ； School of Government（政府学院） ； School of International Studies（国际研究学院） ； Institute for Carbon Neutrality（碳中和研究所） ； Analytics Lab for Global Risk Politics（全球风险政治分析实验室） 纠错

AI总结 本文通过实证研究探讨了在社会科学领域利用数据增强LLM生成的研究构想，发现元数据和自动化验证显著提升了构想的可行性和质量。

Comments AI4Science Workshop at Neurips 2025 (Spotlight)

TRIDENT: Tri-Modal Molecular Representation Learning with Taxonomic Annotations and Local Correspondence

TRIDENT：结合分类注释和局部对应关系的三模态分子表示学习

Feng Jiang, Mangal Prakash, Hehuan Ma, Jianyuan Deng, Yuzhi Guo, Amina Mollaysa, Tommaso Mansi, Rui Liao, Junzhou Huang

机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Johnson & Johnson Innovative Medicine（强生创新医学） 纠错

AI总结 TRIDENT通过整合SMILES、文本和分类功能注释，学习丰富的分子表示，从而在多个下游任务中取得最佳性能。

Comments Accepted to NeurIPS 2025