NeurIPS - arXivDaily 期刊&会议

2607.05171 2026-07-07 cs.CL 新提交

RABBiT: Rapidly adaptive BOLD foundation model via brain-tuning for accurate zero-shot and few-shot prediction of speech-elicited responses in the brain

RABBiT：基于脑调优的快速自适应BOLD基础模型，用于脑内语音诱发响应的精准零样本与少样本预测

Omer Moussa, Mariya Toneva

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）

AI总结针对脑语言理解泛化难问题，提出RABBiT紧凑音频-fMRI编码器，依托脑调优等创新实现跨被试跨场景语音诱发脑响应的高精度零/少样本预测，支撑规模化脑语言分析。

Comments Under review at NeurIPS 2026

2607.03932 2026-07-07 cs.LG cs.AI 新提交

MPSelectTune: Prompt-type Selection for Fine-tuning improves Concept Unlearning in LLMs

MPSelectTune：微调中的提示类型选择可提高大语言模型中的概念遗忘能力

Shubhadip Nag, Srinjoy Das, Agniva Saha, Anushree Ghosh, Soumi Das, Tarun Kumar, Suparna Bhattacharya, Sourangshu Bhattacharya

机构 * IIT Kharagpur（印度理工学院卡拉格布尔分校）； MPI-SWS（马克斯·普朗克软件系统研究所）； HPE Labs（慧与实验室）

AI总结研究大语言模型中去除有害概念难题，提出对抗方法用联合提示预测主任务和概念任务，MPSelectTune两阶段方法可提升平均遗忘性能，实验显示能提高主任务精度并降低概念精度。

Comments Accepted at NeurIPS 2025 - Reliable ML Workshop (https://openreview.net/forum?id=Jk8sOL97Tg#discussion)

2607.02834 2026-07-07 cs.LG 新提交

On the Design Space of Discrete Diffusion Online Adaptation for Molecular Optimization

关于分子优化的离散扩散在线适应设计空间

Trevor Chen, Ariel Dai, Jason Yang, Riccardo De Santi, Daniel Khalil, Wenda Chu, Nate Gruver, Pranav Murugan, Alexander F. G. Goldberg, Maruan Al-Shedivat, Yisong Yue

机构 * Caltech（加州理工学院）； ETH Zurich（苏黎世联邦理工学院）； ETH AI Center（苏黎世联邦理工学院人工智能中心）； Genesis Molecular AI（创世纪分子人工智能公司）

AI总结研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。

Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems

2509.10650 2026-07-07 q-bio.NC cs.CG cs.LG 版本更新

On a Geometry of Interbrain Networks

关于脑间网络的一种几何结构

Nicolás Hinrichs, Noah Guzmán, Melanie Weber

机构 * Max Planck Institute for Human Cognitive and Brain Sciences（人类认知与脑科学研究所）； Okinawa Institute of Science and Technology（冲绳科学和技术研究所）； Harvard University（哈佛大学）

AI总结受网络科学中几何见解成功整合启发，提出利用离散几何研究社交互动中神经交互动态重构，通过熵指标识别网络连通性关键转变，增强超扫描方法揭示神经机制的能力。

Comments 4 pages, 1 figure, 2 appendixes, accepted NeurIPS 2025 Workshop on Symmetry and Geometry in Neural Representations (NeurReps) and the Proceedings of the Geometry, Topology, and Machine Learning Workshop, PMLR 325:145-152

2511.07403 2026-07-07 cs.CV cs.AI cs.CL cs.LG 版本更新

SpatialThinker: Reinforcing Scene Graph-Grounded Spatial Reasoning via Dense Rewards

空间思考者：通过密集奖励强化场景图基础的空间推理

Hunar Batra, Haoqin Tu, Hardy Chen, Yuanze Lin, Cihang Xie, Ronald Clark

机构 * University of Oxford（牛津大学）； University of California, Santa Cruz（加州大学圣克鲁兹分校）

AI总结研究针对多模态大语言模型空间推理难题，提出SpatialThinker，通过在线强化学习统一场景图生成与视觉推理，构建心理场景图并借助密集奖励推理，贡献包括基于SGG推理、高质量训练数据集及密集奖励设计。

Comments Preprint. Accepted at NeurIPS 2025 Workshops on SPACE in Vision, Language, and Embodied AI (SpaVLE) as Oral, Embodied World Models for Decision Making (EWM), Aligning Reinforcement Learning Experimentalists and Theorists (ARLET), and Scaling Environments for Agents (SEA)

2404.01299 2026-07-07 cs.CV cs.AI cs.CL cs.LG 版本更新

CausalChaos! Dataset for Comprehensive Causal Action Question Answering Over Longer Causal Chains Grounded in Dynamic Visual Scenes

因果混沌！用于基于动态视觉场景的更长因果链上的综合因果动作问答的数据集

Paritosh Parmar, Eric Peh, Ruirui Chen, Ting En Lam, Yuhan Chen, Elston Tan, Basura Fernando

机构 * Institute of High-Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡）； Nanyang Technological University（南洋理工大学）； National University of Singapore（新加坡国立大学）； Singapore Polytechnic（新加坡理工学院）

AI总结针对因果视频问答中现有数据集因果推理深度不足的问题，利用卡通特性构建CausalChaos!数据集，含因果链等问题并引入错误答案挖掘，为因果关系建模等发展助力。

Comments NeurIPS 2024