NeurIPS

AI-based Waste Mapping for Addressing Climate-Exacerbated Flood Risk

基于AI的废弃物地图绘制以应对气候加剧的洪水风险

Steffen Knoblauch, Levi Szamek, Iddy Chazua, Benedcto Adamu, Innocent Maholi, Alexander Zipf

机构 * Heidelberg University（海德堡大学） ； OpenMap Development Tanzania（坦桑尼亚开放地图开发） 纠错

AI总结 本文提出一种基于AI的废弃物地图绘制方法，利用公开的航拍和街景图像检测城市固体废弃物，揭示废弃物空间分布与贫民窟及社会经济因素的关系，为洪水风险管理和可持续废弃物管理提供行动见解。

Journal ref Published at NeurIPS 2025: Tackling Climate Change with Machine Learning Workshop

RASP-Tuner: Retrieval-Augmented Soft Prompts for Context-Aware Black-Box Optimization in Non-Stationary Environments

RAPSTuner：基于检索的软提示用于在非平稳环境中具有情境意识的黑盒优化

Enze Pan

机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） 纠错

AI总结 本文提出RAPSTuner，通过检索相似历史情境来识别模式代理，利用混合专家代理预测短期损失，并在低维提示子空间中进行适应，以减少非平稳环境中黑盒优化的累积遗憾。

Comments Withdraw by ICML and prepare for NeurIPS or ICLR

Tape: A Cellular Automata Benchmark for Evaluating Rule-Shift Generalization in Reinforcement Learning

Tape：一种用于评估强化学习中规则转移泛化能力的单元自动机基准

Enze Pan

机构 * The University of Hong Kong（香港大学） 纠错

AI总结 Tape通过隔离动态中的潜在规则转移，保持观测-动作接口不变，评估强化学习在分布外泛化中的表现，发现稳定/周期性/混沌规则间的显著异质性。

Comments ICML reject and seeking for NeurIPS

UniDomain: Pretraining a Unified PDDL Domain from Real-World Demonstrations for Generalizable Robot Task Planning

UniDomain：从真实世界演示中预训练一个统一的PDDL领域以实现可泛化的机器人任务规划

Haoming Ye, Yunxiao Xiao, Cewu Lu, Panpan Cai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 UniDomain通过预训练统一的PDDL领域，结合机器人操作演示，实现可泛化的任务规划，实验显示其在零样本情况下任务成功率和计划优化度显著提升。

Comments Accepted at NeurIPS 2025

Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025)

Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection

扩散注意力图的频谱取证用于复制-移动伪造检测

H. M. Shadman Tabib, Tasriad Ahmed Tias, Nafis Tahmid

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

AI总结 本文提出GraphSpecForge框架，通过分析预训练Stable Diffusion U-Net的注意力图频谱结构，检测复制-移动伪造。利用归一化图拉普拉斯矩阵的频谱重分布特性，构建基于Wasserstein距离的异常检测器，无需重新训练，在多个基准数据集上取得良好效果。

Comments Preprint before NeurIPS main track submission

SafeVLA: Towards Safety Alignment of Vision-Language-Action Model via Constrained Learning

SafeVLA: 通过约束学习实现视觉-语言-动作模型的安全对齐

Borong Zhang, Yuhao Zhang, Jiaming Ji, Yingshan Lei, Yishuai Cai, Josef Dai, Yuanpei Chen, Yaodong Yang

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； PKU-PsiBot Joint Lab（北京大学PsiBot联合实验室） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文提出SafeVLA方法，通过约束学习整合安全约束，有效降低安全违规成本并提升任务成功率，同时确保安全性和泛化能力。

Comments Accepted by NeurIPS 2025 Spotlight Presentation

Improved Guarantees for Offline Stochastic Matching via New Ordered Contention Resolution Schemes

通过新的有序竞争解决方案改进离线随机匹配的保证

Brian Brubach, Nathaniel Grammel, Will Ma, Calum MacRury, Aravind Srinivasan

AI总结 本文提出新的有序竞争解决方案，改进了具有耐心限制的随机匹配问题的近似保证，包括在一般图中提供0.382近似算法，以及在无耐心限制时改进 Prophet Secretary 问题的保证。

Comments Full version of Neurips 2021 paper; corrected the setting in which the 0.382 result held, and updated the analysis

Safety, Security, and Cognitive Risks in State-Space Models: A Systematic Threat Analysis with Spectral, Stateful, and Capacity Attacks

状态空间模型中的安全性、安全性和认知风险：基于谱、状态ful和容量攻击的系统性威胁分析

Manoj Parmar

机构 * SovereignAI Security Labs（SovereignAI安全实验室） 纠错

AI总结 本文系统分析了状态空间模型的安全性、安全性和认知风险，提出了七项贡献，包括威胁框架、三种新型攻击类别、14项MITRE ATLAS技术扩展以及针对不同领域的攻击者分类。

Comments 32 pages, 22 tables, NeurIPS 2026 submission format. Appendix contains theoretical analysis and future experimentation plans