NeurIPS

OCN: Effectively Utilizing Higher-Order Common Neighbors for Better Link Prediction

OCN：有效利用高阶共同邻居以实现更好的链接预测

Juntong Wang, Xiyuan Wang, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学） 纠错

AI总结 OCN通过正交化和归一化技术有效利用高阶共同邻居，显著提升链接预测性能。

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

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

Input-to-State Stable Coupled Oscillator Networks for Closed-form Model-based Control in Latent Space

用于潜在空间模型基于控制的输入到状态稳定的耦合振荡器网络

Maximilian Stölzle, Cosimo Della Santina

AI总结 本文提出了一种耦合振荡器网络模型，通过引入拉格朗日结构和可逆映射，实现了潜在空间中高效的模型基于控制。

Comments 38th Conference on Neural Information Processing Systems (NeurIPS 2024) spotlight, 50 pages

Journal ref Stölzle, Maximilian, and Cosimo Della Santina. "Input-to-state stable coupled oscillator networks for closed-form model-based control in latent space." Advances in Neural Information Processing Systems 37 (2024): 82010-82059

Leveraging Hallucinations to Reduce Manual Prompt Dependency in Promptable Segmentation

利用幻觉减少可提示分割中的手动提示依赖

Jian Hu, Jiayi Lin, Junchi Yan, Shaogang Gong

机构 * Queen Mary University of London（伦敦大学玛丽女王学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出ProMaC框架，通过利用MLLM幻觉挖掘任务相关信息，提升分割精度与遮罩生成效果。

Comments NeurIPS 2024

Looking Into the Water by Unsupervised Learning of the Surface Shape

通过无监督学习探究水面形状

Ori Lifschitz, Tali Treibitz, Dan Rosenbaum

机构 * Hatter Department of Marine Technologies（海洋技术系） ； Charney School of Marine Sciences, University of Haifa（海洋科学学院，海法大学） 纠错

AI总结 本文提出一种基于神经场网络的无监督学习方法，用于从空中去除水面折射引起的图像失真，并有效估计水面形状。

Journal ref Published The Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS) 2025

Position: LLMs Must Use Functor-Based and RAG-Driven Bias Mitigation for Fairness

位置：LLMs必须使用基于函子和RAG驱动的偏见缓解以实现公平性

Ravi Ranjan, Utkarsh Grover, Agorista Polyzou

机构 * Knight Foundation School of Computing and Information Sciences（骑士基金会计算与信息科学学院） ； Florida International University（佛罗里达国际大学） ； College of Engineering（工程学院） ； University of South Florida（佛罗里达州立大学） 纠错

AI总结 本文提出通过范畴论转换和RAG结合的方法，解决LLMs中的偏见问题，以实现公平性。

Comments 24 pages, 3 figures

Journal ref Review available from NeurIPS 2025 reviwers

MMTU: A Massive Multi-Task Table Understanding and Reasoning Benchmark

MMTU: 一个大规模多任务表格理解和推理基准

Junjie Xing, Yeye He, Mengyu Zhou, Haoyu Dong, Shi Han, Lingjiao Chen, Dongmei Zhang, Surajit Chaudhuri, H. V. Jagadish

机构 * University of Michigan（密歇根大学） ； Microsoft Corporation（微软公司） 纠错

AI总结 MMTU是一个大规模多任务表格理解和推理基准，旨在评估模型在专家级别处理真实表格的能力，揭示了当前模型在表格理解、推理和编码方面的挑战。

Comments Full version of a paper accepted at NeurIPS 2025; Code and data available at https://github.com/MMTU-Benchmark/MMTU and https://huggingface.co/datasets/MMTU-benchmark/MMTU

MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision

MAS-ZERO：无需监督设计多智能体系统

Zixuan Ke, Austin Xu, Yifei Ming, Xuan-Phi Nguyen, Ryan Chin, Caiming Xiong, Shafiq Joty

机构 * Salesforce AI Research（Salesforce AI研究院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 MAS-ZERO通过元层面设计实现无需监督的多智能体系统自动设计，提升推理、编程和代理任务的性能。

Comments SEA@NeurIPS (Oral) 2025

Spectral Conditioning of Attention Improves Transformer Performance

注意力的谱条件化提升变换器性能

Hemanth Saratchandran, Simon Lucey

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） 纠错

AI总结 通过优化注意力层的谱特性以降低雅可比矩阵的条件数，提升变换器模型的性能。

Comments NeurIPS 2025

Mozart: Modularized and Efficient MoE Training on 3.5D Wafer-Scale Chiplet Architectures

Mozart：模块化和高效的3.5D晶圆级芯片组架构上的MoE训练

Shuqing Luo, Ye Han, Pingzhi Li, Jiayin Qin, Jie Peng, Yang, Zhao, Yu, Cao, Tianlong Chen

AI总结 Mozart通过模块化和高效的算法-硬件协同设计，提升3.5D晶圆级芯片组架构上MoE模型的训练效率与资源利用率。

Comments NeurIPS 2025 Spotlight

Learning From Design Procedure To Generate CAD Programs for Data Augmentation

从设计过程学习生成用于数据增强的CAD程序

Yan-Ying Chen, Dule Shu, Matthew Hong, Andrew Taber, Jonathan Li, Matthew Klenk

机构 * Toyota Research Institute（丰田研究院） 纠错

AI总结 本文提出了一种基于设计过程的CAD程序生成方法，通过引入有机形状和样条基 curvature 提高几何多样性，以增强数据增强效果。

Comments Accepted by NeurIPS 2025 Workshop: Deep Learning for Code in the Agentic Era

S$^2$Q-VDiT: Accurate Quantized Video Diffusion Transformer with Salient Data and Sparse Token Distillation

S$^2$Q-VDiT: 精确量化视频扩散变换器与显著数据和稀疏令牌蒸馏

Weilun Feng, Haotong Qin, Chuanguang Yang, Xiangqi Li, Han Yang, Yuqi Li, Zhulin An, Libo Huang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 S$^2$Q-VDiT通过显著数据选择和稀疏令牌蒸馏提升视频扩散变换器的量化性能，实现无损压缩和加速推理。

Comments Accepted by NeurIPS 2025

An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks

在带符号网络中发现极化社区的高效局部搜索方法

Linus Aronsson, Morteza Haghir Chehreghani

机构 * Chalmers University of Technology & University of Gothenburg（楚德斯技术大学及哥德堡大学） 纠错

AI总结 本文提出了一种在带符号网络中发现极化社区的高效局部搜索方法，解决了以往方法中解决方案大小不平衡的问题，并在大规模网络上实现了线性收敛率。

Journal ref The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)