NeurIPS

Reactive Flux Matching: Mechanism Discovery and Adaptive Sampling of Rare Events

反应通量匹配：稀有事件的机制发现与自适应采样

Rishal Aggarwal, David Ryan Koes, Nicholas M. Boffi, Eric Vanden-Eijnden

机构 * CMU-Pitt Program in Computational Biology（CMU-匹兹堡计算生物学项目） ； Dept. of Computational & Systems Biology University of Pittsburgh（计算与系统生物学系匹兹堡大学） ； Machine Learning Department Dept. of Mathematical Sciences Carnegie Mellon University（机器学习系数学科学系卡内基梅隆大学） ； Courant Institute, New York University（纽约大学Courant研究所） ； Machine Learning Lab Capital Fund Management（机器学习实验室资本基金管理） 纠错

AI总结 提出通量匹配框架，从反应轨迹数据中学习电流速度 u(z) 和标量势 h(z)，用于识别反应路径和反应坐标，并实现自适应采样。

Comments 21 pages, 7 figures, submitted to NeurIPS 2026

A prism hierarchy of learning regimes in large linear autoencoders

大型线性自编码器中学习机制的三棱柱层次结构

Eugene Golikov, Yaroslav Gusev, Dmitry Yarotsky

机构 * Applied AI Institute（应用人工智能研究所） ； Steklov Mathematical Institute of Russian Academy of Sciences（俄罗斯科学院斯捷克洛夫数学研究所） 纠错

AI总结 本文通过形式损失展开层次结构，将大型权重绑定线性自编码器的极端学习机制与三棱柱的面相关联，推导出五种基本极端机制下的训练和总体损失演化显式表达式。

Comments 33 pages, under review for NeurIPS'2026

SWE-InfraBench: Evaluating Language Models on Cloud Infrastructure Code

SWE-InfraBench：评估语言模型在云基础设施代码上的表现

Natalia Tarasova, Enrique Balp-Straffon, Aleksei Iancheruk, Yevhenii Sielskyi, Nikita Kozodoi, Liam H. Byrne, Jack Butler, Dayuan Jiang, Marcin Czelej, Andrew Ang, Yash Shah, Roi Blanco, Sergei Ivanov

AI总结 提出SWE-InfraBench基准，通过AWS CDK仓库中的真实代码修改任务评估LLM在云基础设施即代码（IaC）上的能力，发现当前最先进模型成功率仅34%。

Comments Accepted to NeurIPS 2025 Workshop on Evaluating the Evolving LLM Lifecycle

PF$Δ$: A Benchmark Dataset for Power Flow under Load, Generation, and Topology Variations

PF$Δ$: 一个用于负载、发电和拓扑变化的功率流基准数据集

Ana K. Rivera, Anvita Bhagavathula, Alvaro Carbonero, Priya Donti

机构 * Department of Electrical Engineering & Computer Science（电气工程与计算机科学系） ； Laboratory for Information & Decision Systems（信息与决策系统实验室） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出PF$Δ$基准数据集，用于评估在负载、发电和拓扑变化下的功率流计算，通过包含859,800个解决的实例，涵盖六种不同的变电站系统大小，并包含三种故障场景，以评估传统求解器和基于GNN的方法，识别现有方法的不足和未来研究的开放问题。

Comments 31 pages, 14 figures. Accepted at NeurIPS 2025

Journal ref NeurIPS 2025

"What if she doesn't feel the same?" What Happens When We Ask AI for Relationship Advice

如果她不再有同样的感觉呢？当我们将AI用于关系建议时会发生什么

Niva Manchanda, Akshata Kishore Moharir, Ratna Kandala

机构 * Department of Psychology, University of Kansas（堪萨斯大学心理学系） ； Independent Researcher（独立研究者） 纠错

AI总结 研究探讨了用户对LLM生成的浪漫关系建议的评价，发现用户对建议的满意度高，并且这种满意度与对模型可靠性和有用性的感知正相关，同时用户对LLM的态度也显著改善。

Journal ref First Workshop on LLM Persona Modeling, NeurIPS 2025

Rethinking Distribution Shifts: Empirical Analysis and Modeling for Tabular Data

重新思考分布偏移：针对表格数据的经验分析与建模

Tianyu Wang, Jiashuo Liu, Peng Cui, Hongseok Namkoong

机构 * Department of Industrial Engineering and Operations Research（工业工程与运筹学系） ； Department of Computer Science and Technology（计算机科学与技术系） ； Decision, Risk, and Operations Division（决策、风险与运营部） ； Columbia University（哥伦比亚大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文通过经验分析和建模，重新审视分布偏移问题，发现Y|X偏移在表格数据中最为常见，与机器学习文献中对X（协变量）偏移的重视形成鲜明对比，并指出鲁棒算法的性能并不优于普通方法。

Comments Forthcoming at Management Science. Conference version appeared in NeurIPS 2023, previously titled "On the Need for a Language Describing Distribution Shifts: Illustrations on Tabular Datasets"

Efficiently Escaping Saddle Points under Generalized Smoothness via Self-Bounding Regularity

通过广义平滑性实现高效逃离鞍点的自界正则性

Daniel Yiming Cao, August Y. Chen, Karthik Sridharan, Benjamin Tang

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文研究了非凸函数（不一定光滑）的一阶优化方法，提出了一种新的框架，系统分析了在广义平滑性下一阶优化算法的收敛性，首次建立了在广义平滑性下一阶方法达到二阶 stationary 点的收敛保证。

Comments Camera ready version of NeurIPS 2025 paper. 97 pages

Generator-Mediated Bandits: Thompson Sampling for GenAI-Powered Adaptive Interventions

生成器介导的老虎机：面向生成式人工智能的自适应干预的汤普森采样

Marc Brooks, Gabriel Durham, Kihyuk Hong, Ambuj Tewari

机构 * Department of Statistics, University of Michigan, Ann Arbor, MI (USA)（密歇根大学统计学系，安阿伯，MI (美国)） 纠错

AI总结 本文提出了一种生成器介导的老虎机算法（GAMBITTS），用于解决生成式人工智能（GenAI）驱动的自适应干预问题。该算法通过建模治疗和奖励生成过程，利用观察到的治疗信息加速策略学习，并在模拟研究中优于传统算法。

Comments 39 pages, 12 figures

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