NeurIPS

CPT: Controllable and Editable Design Variations with Language Models

CPT：基于语言模型的可控可编辑设计变体

Karthik Suresh, Amine Ben Khalifa, Li Zhang, Wei-ting Hsu, Fangzheng Wu, Vinay More, Asim Kadav

机构 * Adobe ； Atta 纠错

AI总结 本文提出CPT系统，利用解码器-only语言模型生成可编辑的设计变体，通过Creative Markup Language实现结构与细节的精准描述，提升设计流程的可扩展性与个性化。

Comments 18 pages, 6 figures, Accepted at NeurIPS 2025 Workshop on Generative and Protective AI for Content Creation (GenProCC 2025)

Projected Autoregression: Autoregressive Language Generation in Continuous State Space

投影自回归：在连续状态空间中进行自回归语言生成

Oshri Naparstek

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出投影自回归方法，通过连续预测和离散投影实现语言生成，展示连续状态空间在生成文本结构和动态方面的独特优势。

Comments In preperation to Neurips 2026

A Unified Stability Analysis of SAM vs SGD: Role of Data Coherence and Emergence of Simplicity Bias

SAM与SGD稳定性分析的统一视角：数据一致性与简单性偏见的作用

Wei-Kai Chang, Rajiv Khanna

机构 * Purdue University（普渡大学） 纠错

AI总结 本文通过线性稳定性框架分析SAM与SGD在两层ReLU网络中的行为，揭示数据一致性如何影响优化动态及学习解的稳定性。

Comments Neurips 2025

C-NAV: Towards Self-Evolving Continual Object Navigation in Open World

C-NAV：迈向开放世界中的自进化持续物体导航

Ming-Ming Yu, Fei Zhu, Wenzhuo Liu, Yirong Yang, Qunbo Wang, Wenjun Wu, Jing Liu

机构 * Beihang University（北京航空航天大学） ； Centre for Artificial Intelligence and Robotics, HKISI-CAS（香港智能科学与工业研究院人工智能与机器人中心） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 本文提出C-Nav框架，通过双路径抗遗忘机制和自适应采样策略，解决持续物体导航中的灾难性遗忘问题，实验表明其在多个模型架构上均优于现有方法，且内存需求显著降低。

Comments Accepted at NeurIPS 2025

Journal ref NeurIPS 2025

Lark: Biologically Inspired Neuroevolution for Multi-Stakeholder LLM Agents

Lark：生物启发的多利益相关者大语言模型代理神经进化

Rikhil Tanugula, Dheeraj Chintapalli, Sunkalp Chandra

AI总结 Lark通过结合大语言模型推理与进化型多智能体系统，解决冗余与利益相关者权衡问题，采用四机制提升策略生成效率与透明度，实验显示其在30轮评估中表现优异且成本可控。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: NeurIPS 2025 Workshop on Efficient Reasoning

Text Summarization With Graph Attention Networks

基于图注意力网络的文本摘要

Mohammadreza Ardestani, Yllias Chali

机构 * University of Lethbridge（莱斯布里奇大学） 纠错

AI总结 本文通过引入RST和Coref图结构提升摘要性能，发现图注意力网络未获提升，但多层感知机在CNN/DM数据集上提升了结果，并标注XSum数据集建立图基摘要基准。

Comments Published in Proceedings of the 4th NeurIPS Efficient Natural Language and Speech Processing Workshop (ENLSP-IV), Vancouver, Canada, 2024. 14 pages, 8 figures

Journal ref Proc. Mach. Learn. Res. 262:540-553, 2024

Truth as a Compression Artifact in Language Model Training

真相作为语言模型训练中的压缩特征

Konstantin Krestnikov

AI总结 研究发现语言模型在矛盾数据训练中更倾向于正确答案，这源于错误的可压缩性而非真相本身。通过小规模Transformer模型实验，发现当错误遵循一致规则时，模型无法区分虚假系统与真相，提出压缩-一致性原则解释这一现象。

Comments v3: Added Qwen3 architecture check (0.6B), ~1B experiment on FineWeb-Edu, generative eval at all scales, matched-random ablation. Formal MDL predictions. Softened claims, fixed bibliography, added NeurIPS checklist. 210+ models (was 160+)

FABLE: A Localized, Targeted Adversarial Attack on Weather Forecasting Models

FABLE：一种针对天气预报模型的局部化、针对性对抗攻击

Yue Deng, Asadullah Hill Galib, Xin Lan, Jack Gunn, Pang-Ning Tan, Lifeng Luo

机构 * Michigan State University（密歇根州立大学） ； TSMC Technology Inc（台积电技术公司） 纠错

AI总结 本文提出FABLE框架，通过3D离散小波分解分离数据的空间和时间成分，调节对抗扰动幅度以生成接近原输入但能引导模型生成目标预报的对抗输入，验证了其在多种指标上的有效性。

Comments Version 2 incorporates revisions based on feedback from NeurIPS 2025 reviewers (final score: borderline). We improved clarity in previously complex sections to enhance accessibility for non-expert readers and expanded the experimental evaluation to provide more comprehensive and diverse results

An Analytical Theory of Spectral Bias in the Learning Dynamics of Diffusion Models

扩散模型学习动力学中频谱偏置的分析理论

Binxu Wang, Cengiz Pehlevan

机构 * Kempner Institute, Harvard University（哈佛大学肯普纳研究所） ； SEAS, Harvard University（哈佛大学工程与应用科学学院） 纠错

AI总结 本文提出分析框架，揭示生成分布在扩散模型训练中的演变规律，发现频谱定律揭示高方差结构学习速度快于低方差细节，且局部卷积改变学习动态。

Comments 96 pages, 29 figures. Published in Advances in Neural Information Processing Systems, NeurIPS 2025 (Spotlight)