NeurIPS

Predictive-Generative Drift Decomposition for Speech Enhancement and Separation

用于语音增强和分离的预测-生成漂移分解

Julius Richter, Yoshiki Masuyama, Christoph Boeddeker, Takahiro Edo, Gordon Wichern, Jonathan Le Roux

机构 * MERL Cambridge, MA, USA（MERL剑桥马萨诸塞州美国） 纠错

AI总结 本文提出一种结合预测与生成模型的框架，通过分解漂移动态提升语音增强和分离性能，采用统一方法适用于多种任务和降质场景。

Comments Submitted to NeurIPS 2026

MEMSAD: Gradient-Coupled Anomaly Detection for Memory Poisoning in Retrieval-Augmented Agents

MEMSAD: 基于梯度耦合的内存污染异常检测用于检索增强型智能体

Ishrith Gowda

机构 * Department of Electrical Engineering and Computer Sciences（电气工程与计算机科学系） ； University of California, Berkeley（加州大学伯克利分校） ； Berkeley AI Research（伯克利人工智能研究） 纠错

AI总结 本文提出MEMSAD，通过梯度耦合定理实现内存污染攻击的检测，证明其在对抗策略下的正确分类保证，并通过实验验证复合防御在所有攻击下的高检测率和低误报率。

Comments 28 pages, 9 figures, 6 theorems. Submitted to NeurIPS 2026

EgoEMG: A Multimodal Egocentric Dataset with Bilateral EMG and Vision for Hand Pose Estimation

EgoEMG：一个用于手姿态估计的多模态自体视角数据集，包含双侧EMG和视觉信息

Ziheng Xi, Jiayi Yu, Yitao Wang, Yanbo Duan, Jianjiang Feng, Jie Zhou

机构 * Department of Automation, Tsinghua University（清华大学自动化系） 纠错

AI总结 EgoEMG数据集融合双侧EMG和视觉信息，用于手姿态估计，包含16通道EMG、IMU、RGB视频和RGB-D视频，涵盖41名参与者60种手势，提供EMG-to-pose、vision-to-pose和融合任务的基准测试。

Comments 34 pages, 13 figures, 15 tables. Submitted to NeurIPS 2026

Temporal Functional Circuits: From Spline Plots to Faithful Explanations in KAN Forecasting

时间功能电路：从样条图到KAN预测中的忠实解释

Naveen Mysore

机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

AI总结 本文提出时间功能电路框架，通过门控残差KAN将KAN边功能从隐含可视化转化为忠实的时间解释，展示了在复杂信号中提升预测精度和可解释性。

Comments 9 pages, 4 figures, 6 tables, plus appendix. Under review at NeurIPS 2026

Retrieval-Conditioned Topology Selection with Provable Budget Conservation for Multi-Agent Code Generation

基于可证明预算保守的检索条件拓扑选择多智能体代码生成

Abhijit Talluri, Pujith Anne, Bhagavan Choudary Pendiyala, Raghavendra Chilukuri

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文提出RGAO架构，通过提取代码结构复杂度向量实现多智能体代码生成系统的拓扑选择，结合复杂度条件LLM路由与形式资源代数，实现可证明的预算保守性，降低误路由率并提升代码检索效率。

Comments 30 pages, 9 figures. NeurIPS 2026 Evaluations and Datasets Track Submission Under review

Beyond Static Snapshots: A Grounded Evaluation Framework for Language Models at the Agentic Frontier

超越静态快照：语言模型在代理前沿的 grounded 评估框架

Jazmia Henry

机构 * University of Oxford（牛津大学） 纠错

AI总结 本文提出 grounded continuous evaluation 框架，通过 deterministic verifier 和 CPU 更新 LoRA adapters，解决 reward hacking 和硬件限制问题，并在多个架构和领域验证其有效性。

Comments Submitted for consideration to NeurIPS 2026

Isotropic Activation Functions Enable Deindividuated Neurons and Adaptive Topologies

各向同性激活函数使去个体化神经元和自适应拓扑成为可能

George Bird

机构 * Department of Computer Science（计算机科学系） 纠错

AI总结 本文提出了一种通过各向同性激活函数实现密集神经网络拓扑自适应的方法，通过重新参数化对称性和仿射映射的奇异值分解，使层对角化，从而简化了单个连接的影响评估，并允许神经元的去除和新生。

Comments 33 pages, 5 figures, UPDATED CHANGES: Improved the main body text (same content), slight modification to title and abstract, and updated formatting for clarity and to comply with submission to NeurIPS review. Updated version reflects those changes made

Same Words, Different Judgments: How Preferences Vary Across Modalities

相同词语，不同判断：偏好如何在不同模态间变化

Aaron Broukhim, Nadir Weibel, Eshin Jolly

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California San Diego（加州大学圣地亚哥分校） ； Department of Psychology（心理学系） 纠错

AI总结 研究探讨了文本与语音模态在偏好标注中的差异，发现需9名评阅者才能达到较高一致性，且语音评阅者在决策阈值、长度偏差和用户导向标准上存在显著差异，合成评分可有效预测评阅者一致性，强调音频偏好数据评估需模态特定设计。

Comments Submitted to NeurIPS 2026 for review

Sharp Gaussian approximations for Decentralized Federated Learning

精确的分布式联邦学习中Gaussian近似

Soham Bonnerjee, Sayar Karmakar, Wei Biao Wu

机构 * University of Chicago（芝加哥大学） ； University of Florida（佛罗里达大学） 纠错

AI总结 本文提出两种广义Gaussian近似结果，用于局部SGD，以提供更稳健的统计保证，并通过模拟验证理论结果。

Comments Accepted as Spotlight, NeurIPS'25, Main Conference Track