NeurIPS

Multimodal Survival Analysis with Locally Deployable Large Language Models

多模态生存分析与可本地部署的大语言模型

Moritz Gögl, Christopher Yau

机构 * University of Oxford（牛津大学） 纠错

AI总结 本文提出利用可本地部署的大语言模型进行多模态生存分析，结合临床文本、表格数据和基因组数据，通过教师-学生蒸馏和原理化的多模态融合，实现校准的生存概率估计和简洁的诊断文本生成，优于标准基线并在隐私和准确性方面表现更优。

Comments NeurIPS 2025 Workshop on Multi-modal Foundation Models and Large Language Models for Life Sciences

Data-Free Layer-Adaptive Merging via Fisher Information for Long-to-Short Reasoning LLMs

无需数据的层自适应融合：通过信息论实现长到短推理LLM

Tian Xia

AI总结 本文提出FIM-Merging方法，通过计算Fisher信息矩阵来分配每层融合系数，提升长到短推理LLM的性能，减少响应长度，且无需校准数据。

Comments 14 pages, NeurIPS 2026 submission

Open-weight genome language model safeguards: Assessing robustness via adversarial fine-tuning

开放权重基因组语言模型的安全保障：通过对抗性微调评估鲁棒性

James R. M. Black, Moritz S. Hanke, Aaron Maiwald, Tina Hernandez-Boussard, Oliver M. Crook, Jaspreet Pannu

机构 * Center for Health Security（健康安全中心） ； Johns Hopkins Bloomberg School of Public Health（约翰霍普金斯大学布隆伯格公共卫生学院） ； Department of Chemistry（化学系） ； University of Oxford（牛津大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Department of Chemistry & Kavli Institute for Nanoscience Discovery（化学系及卡弗里纳米科学发现研究所） 纠错

AI总结 研究评估了开放权重基因组语言模型在对抗性微调下的鲁棒性，发现通过微调有害病毒序列可恢复模型的滥用相关能力，强调了需要安全框架以确保模型安全部署。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Biosecurity Safeguards for Generative AI

Masked Diffusion Models as Energy Minimization

掩码扩散模型作为能量最小化

Sitong Chen, Shen Nie, Jiacheng Sun, Zijin Feng, Zhenguo Li, Ji-Rong Wen, Chongxuan Li

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学首都人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心，教育部） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 本文提出将掩码扩散模型解释为离散最优传输中能量最小化问题的理论框架，证明三种能量形式在MDM结构下等价，并通过Beta分布参数化插值调度，提升采样效率。

Journal ref Published at NeurIPS 2025

Buffer layers for Test-Time Adaptation

测试时适应中的缓冲层

Hyeongyu Kim, Geonhui Han, Dosik Hwang

机构 * School of Electrical and Electronic Engineering, Yonsei University（延世大学电气电子工程学院） ； Department of Radiology and Center for Clinical Imaging Data Science, College of Medicine, Yonsei University（延世大学医学院放射科和临床影像数据科学中心） ； Artificial Intelligence and Robotics Institute, Korea Institute of Science and Technology（韩国科学技术院人工智能与机器人研究所） 纠错

AI总结 本文提出缓冲层方法，通过保留预训练模型结构来解决归一化层适应的局限性，提升领域移位适应性和模型鲁棒性。

Comments NeurIPS 2025

TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop

TimeXL：基于LLM的多模态时间序列预测可解释方法

Yushan Jiang, Wenchao Yu, Geon Lee, Dongjin Song, Kijung Shin, Wei Cheng, Yanchi Liu, Haifeng Chen

机构 * School of Computing, University of Connecticut（大学计算机学院） ； Data Science & System Security Department, NEC Labs America（数据科学与系统安全部，NEC美国实验室） ； Kim Jaechul Graduate School of AI, KAIST（金 Jaechul人工智能研究生院，韩国科学技术院） 纠错

AI总结 TimeXL通过集成原型时间序列编码器与三个协作LLM，提升时间序列预测的准确性与可解释性，实验证明在四个真实数据集上AUC提升达8.9%。

Comments NeurIPS 2025 camera ready version

TV-Rec: Time-Variant Convolutional Filter for Sequential Recommendation

TV-Rec：用于序列推荐的时间变换单元卷积滤波器

Yehjin Shin, Jeongwhan Choi, Seojin Kim, Noseong Park

机构 * KAIST（韩国科学技术院） 纠错

AI总结 TV-Rec通过引入时间变换单元卷积滤波器，提升了序列推荐中对复杂用户行为交互模式的捕捉能力，同时减少了计算量并加速了推理过程。

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

Geometric Imbalance in Semi-Supervised Node Classification

半监督节点分类中的几何失衡

Liang Yan, Shengzhong Zhang, Bisheng Li, Menglin Yang, Chen Yang, Min Zhou, Weiyang Ding, Yutong Xie, Zengfeng Huang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； MBZUAI ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Logs AI Project（Logs AI项目） 纠错

AI总结 本文提出几何失衡概念，通过伪标签对齐、节点重排和模糊过滤缓解类别不平衡问题，实验表明在严重类别不平衡下性能优于现有方法。

Comments Accepted by NeurIPS 2025

Journal ref Proceedings of the Thirty-ninth Conference on Neural Information Processing Systems (NeurIPS 2025)