NeurIPS

Hierarchical Semantic-Augmented Navigation: Optimal Transport and Graph-Driven Reasoning for Vision-Language Navigation

层级语义增强导航：面向视觉语言导航的最优传输与图驱动推理

Xiang Fang, Wanlong Fang, Changshuo Wang

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（新加坡南洋理工大学交叉学科研究生项目） ； University College London（伦敦大学学院） 纠错

AI总结 提出层级语义增强导航框架，通过动态层级语义场景图、基于最优传输的拓扑规划器与图感知强化学习策略，解决连续环境中的视觉语言导航难题，实现最优性能。

Comments Published in NeurIPS 2025, address some typos

Coupling Language Models with Physics-based Simulation for Synthesis of Inorganic Materials

将语言模型与基于物理的模拟相结合用于无机材料的合成

Edward W. Staley, Tom Arbaugh, Michael Pekala, Alexander New, Christopher D. Stiles, Nam Q. Le, Gregory Bassen, Wyatt Bunstine, Tyrel McQueen

机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出一种结合热力学数据库与简化动力学模型的混合框架，评估大语言模型在无机材料合成规划中的表现，以铌氧体系为例证明其能生成更可行的合成策略。

Comments Accepted to the AI for Accelerated Materials Design (AI4Mat) Workshop at Neurips 2025

Positional Encodings Anchor Spatial Structure in Vision Transformers: A Geometric Perspective on Robustness

位置编码锚定视觉Transformer中的空间结构：基于几何视角的鲁棒性研究

Mahmoud Mannes

机构 * ESSTHS 纠错

AI总结 本文通过引入空间相似性距离相关性（SSDC）度量，研究不同位置编码对视觉Transformer内部空间表示几何结构的影响，发现位置编码通过建立索引锚定的空间组织来提升模型在内容破坏性分布偏移下的鲁棒性。

Comments 16 pages (9 main text, 7 appendix). 5 figures (3 main text, 2 appendix) with 8 graphics total. 5 tables (1 main text, 4 appendix). Submitted to NeurIPS 2026 main conference and the ICML 2026 mechanistic interpretability workshop

MindGames Arena Generalization Track: In2AI Solution with Delayed Per-Step Reward Attribution

MindGames Arena 泛化赛道：具有延迟每步奖励归因的 In2AI 解决方案

Aliaksei Korshuk, Alexander Buyantuev, Ilya Makarov

机构 * iMak AI Lab（iMak人工智能实验室） 纠错

AI总结 提出延迟每步奖励归因方法，结合资格门控、异步rollout生成和课程对手采样，实现多智能体环境中稳定高效的强化学习训练，并在NeurIPS 2025的MindGames Arena基准测试中取得领先。

Comments 18 pages, 2 figures, 9 tables. Technical report. First place in both Open and Efficient tracks of MindGames Arena Generalization Track at NeurIPS 2025

RefLoRA: Refactored Low-Rank Adaptation for Efficient Fine-Tuning of Large Models

RefLoRA：重构低秩适配以实现大型模型的高效微调

Yilang Zhang, Bingcong Li, Georgios B. Giannakis

机构 * Department of ECE University of Minnesota（电子工程系明尼苏达大学） ； Department of CS ETH Zürich（计算机科学系苏黎世联邦理工学院） 纠错

AI总结 针对LoRA因非唯一低秩分解导致权重更新不一致和性能下降的问题，提出RefLoRA方法，通过每步优化最小化损失上界的低秩分解，促进更平坦的损失景观和稳定收敛，在自然语言理解和常识推理任务上优于现有LoRA变体且计算开销可忽略。

Comments Accepted as a conference paper at NeurIPS 2025

VERA: Variational Inference Framework for Jailbreaking Large Language Models

VERA：用于越狱大型语言模型的变分推理框架

Anamika Lochab, Lu Yan, Patrick Pynadath, Xiangyu Zhang, Ruqi Zhang

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 纠错

AI总结 提出VERA框架，将黑盒越狱提示生成视为变分推理问题，训练小型攻击者LLM近似目标LLM的对抗提示后验，无需重新优化即可生成多样且流畅的越狱提示。

Comments Accepted by NeurIPS 2025

How Many Domains Suffice for Domain Generalization? A Tight Characterization via the Domain Shattering Dimension

域泛化需要多少域？通过域破碎维度的紧刻画

Cynthia Dwork, Lunjia Hu, Han Shao

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文在PAC框架下引入域破碎维度，刻画了域泛化中所需随机采样域的数量，并建立了与VC维度的紧定量关系。

Comments Accepted to NeurIPS 2025