NeurIPS

MEBM-Speech: Multi-scale Enhanced BrainMagic for Robust MEG Speech Detection

MEBM-Speech: 多尺度增强型脑魔 for robust MEG语音检测

Li Songyi, Zheng Linze, Liang Jinghua, Zhang Zifeng

机构 * Speech and Hearing Research Center, School of Intelligence Science and Technology（语音与听力研究中心，智能科学与技术学院） ； Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies（BioMed-X研究中心，先进跨学科研究学院） 纠错

AI总结 MEBMSpeech通过多尺度增强神经解码器实现稳健的MEG语音检测，结合多尺度卷积、BiLSTM和深度可分离卷积，提升语音与静默状态的精细识别能力。

Comments 5 pages, 1 figure. To appear in the PNPL Competition Workshop at NeurIPS 2025

MEBM-Phoneme: Multi-scale Enhanced BrainMagic for End-to-End MEG Phoneme Classification

MEBM-Phoneme：多尺度增强的BrainMagic用于端到端MEG音素分类

Liang Jinghua, Zhang Zifeng, Li Songyi, Zheng Linze

机构 * Speech and Hearing Research Center, School of Intelligence Science and Technology（语音与听力研究中心，智能科学与技术学院） ； Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies（BioMed-X研究中心，先进跨学科研究学院） 纠错

AI总结 MEBM-Phoneme通过多尺度增强和时间依赖性建模，提升MEG信号中音素分类的准确性和鲁棒性。

Comments 5 pages, 1 figure. To appear in the PNPL Competition Workshop at NeurIPS 2025

3BASiL: An Algorithmic Framework for Sparse plus Low-Rank Compression of LLMs

3BASiL: 一种用于大型语言模型稀疏加低秩压缩的算法框架

Mehdi Makni, Xiang Meng, Rahul Mazumder

机构 * Operations Research Center（运筹学研究中心） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 3BASiL-TM提出了一种高效的单次后训练方法，用于LLMs的稀疏加低秩分解，显著提升了压缩效果和效率。

Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data

通过流引导神经算子实现自监督学习（时间序列数据）

Duy Nguyen, Jiachen Yao, Jiayun Wang, Julius Berner, Animashree Anandkumar

机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学部，Caltech） ； NVIDIA 纠错

AI总结 本文提出流引导神经算子（FGNO）框架，通过结合算子学习与流匹配，实现更灵活的自监督学习，提升时间序列数据表示学习的性能和鲁棒性。

Comments Accepted to NeurIPS 2025 Workshop

Generating Multi-Table Time Series EHR from Latent Space with Minimal Preprocessing

从潜在空间生成多表时间序列电子健康记录并最小化预处理

Eunbyeol Cho, Jiyoun Kim, Minjae Lee, Sungjin Park, Edward Choi

机构 * KAIST（韩国科学技术院） ； FuriosaAI 纠错

AI总结 RawMed通过最小预处理从潜在空间生成多表时间序列EHR，提升数据保真度和实用性。

Comments Accepted at NeurIPS 2025

Identifying and Characterising Response in Clinical Trials: Development and Validation of a Machine Learning Approach in Colorectal Cancer

识别和表征临床试验中的反应：在结直肠癌中开发和验证一种机器学习方法

Adam Marcus, Paul Agapow

AI总结 本文提出了一种机器学习方法，用于识别和表征临床试验中患者对治疗的动态反应，通过survLIME模型在结直肠癌中验证其有效性。

Comments Accepted in NewInML @ NeurIPS 2020

Concerto: Joint 2D-3D Self-Supervised Learning Emerges Spatial Representations

Concerto：联合2D-3D自监督学习产生空间表示

Yujia Zhang, Xiaoyang Wu, Yixing Lao, Chengyao Wang, Zhuotao Tian, Naiyan Wang, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 Concerto通过联合2D-3D自监督学习，产生更连贯的信息空间表示，优于现有SOTA模型并在多个基准上取得新成就。

Comments NeurIPS 2025, produced by Pointcept, project page: https://pointcept.github.io/Concerto

Journal ref Neural Information Processing Systems 2025

Distribution-Aligned Decoding for Efficient LLM Task Adaptation

面向高效大语言模型任务适应的分布对齐解码

Senkang Hu, Xudong Han, Jinqi Jiang, Yihang Tao, Zihan Fang, Yong Dai, Sam Tak Wu Kwong, Yuguang Fang

机构 * Hong Kong JC STEM Lab of Smart City（香港JC智能城市STEM实验室） ； City University of Hong Kong（香港城市大学） ； University of Sussex（苏塞克斯大学） ； Huazhong University of Science and Technology（华中科技大学） ； Fudan University（复旦大学） ； Lingnan University（岭大大学） 纠错

AI总结 SVDecode通过引导输出分布对齐提升大语言模型任务适应性能，理论证明其与全微调等价，实验显示在多个任务上准确率提升显著。

Comments Accepted by NeurIPS'25

Augmenting Research Ideation with Data: An Empirical Investigation in Social Science

用数据增强研究构想：社会科学领域的实证研究

Xiao Liu, Xinyi Dong, Xinyang Gao, Yansong Feng, Xun Pang

机构 * Wangxuan Institute of Computer Technology（王轩计算机技术研究所） ； Yuanpei College（元培学院） ； School of Government（政府学院） ； School of International Studies（国际研究学院） ； Institute for Carbon Neutrality（碳中和研究所） ； Analytics Lab for Global Risk Politics（全球风险政治分析实验室） 纠错

AI总结 本文通过实证研究探讨了在社会科学领域利用数据增强LLM生成的研究构想，发现元数据和自动化验证显著提升了构想的可行性和质量。

Comments AI4Science Workshop at Neurips 2025 (Spotlight)

TRIDENT: Tri-Modal Molecular Representation Learning with Taxonomic Annotations and Local Correspondence

TRIDENT：结合分类注释和局部对应关系的三模态分子表示学习

Feng Jiang, Mangal Prakash, Hehuan Ma, Jianyuan Deng, Yuzhi Guo, Amina Mollaysa, Tommaso Mansi, Rui Liao, Junzhou Huang

机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Johnson & Johnson Innovative Medicine（强生创新医学） 纠错

AI总结 TRIDENT通过整合SMILES、文本和分类功能注释，学习丰富的分子表示，从而在多个下游任务中取得最佳性能。

Comments Accepted to NeurIPS 2025

Enhancing CLIP Robustness via Cross-Modality Alignment

通过跨模态对齐增强CLIP鲁棒性

Xingyu Zhu, Beier Zhu, Shuo Wang, Kesen Zhao, Hanwang Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 COLA通过跨模态对齐提升CLIP对抗鲁棒性，有效缓解对抗扰动导致的特征不一致问题，提升零样本分类性能。

Comments NeurIPS 2025 Spotlight

What Makes a Reward Model a Good Teacher? An Optimization Perspective

什么使奖励模型成为好的老师？从优化角度出发

Noam Razin, Zixuan Wang, Hubert Strauss, Stanley Wei, Jason D. Lee, Sanjeev Arora

机构 * Some Institute（某些研究所） 纠错

AI总结 从优化角度研究奖励模型的有效性，发现奖励方差对优化效率至关重要，准确性不足以保证模型效果。

Comments Accepted to NeurIPS 2025; Code available at https://github.com/princeton-pli/what-makes-good-rm

Asymptotically Stable Quaternion-valued Hopfield-structured Neural Network with Periodic Projection-based Supervised Learning Rules

渐近稳定的四元数值Hopfield结构神经网络及其基于周期投影的监督学习规则

Tianwei Wang, Xinhui Ma, Wei Pang

机构 * University of Edinburgh（爱丁堡大学） ； University of Hull（赫尔大学） ； Heriot-Watt University（赫瑞-沃德大学） 纠错

AI总结 本文提出了一种基于四元数的Hopfield结构神经网络，通过周期投影策略实现监督学习，具有高精度、快速收敛和强可靠性，适用于机器人控制等需要四元数参数化的场景。

Comments Preprint. Accepted by NeurIPS 2025

Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning

无偏切片Wasserstein核用于高质量音频描述生成

Manh Luong, Khai Nguyen, Dinh Phung, Gholamreza Haffari, Lizhen Qu

机构 * Monash University（墨尔本大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出无偏切片Wasserstein核，通过保留模态间时间信息，提升音频描述质量及推理能力。

Journal ref Manh Luong. (2025). Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning. In Advances in Neural Information Processing Systems 38 (NeurIPS 2025)

VolleyBots: A Testbed for Multi-Drone Volleyball Game Combining Motion Control and Strategic Play

VolleyBots: 多无人机乒乓球竞技测试平台，结合运动控制与战略博弈

Zelai Xu, Ruize Zhang, Chao Yu, Huining Yuan, Xiangmin Yi, Shilong Ji, Chuqi Wang, Wenhao Tang, Feng Gao, Wenbo Ding, Xinlei Chen, Yu Wang

机构 * Tsinghua University（清华大学） 纠错

AI总结 VolleyBots通过结合运动控制与战略博弈，测试多无人机乒乓球竞技，展示了强化学习在复杂任务中的应用与潜力。

Comments Accepted by NeurIPS 2025

Online Inventory Problems: Beyond the i.i.d. Setting with Online Convex Optimization

在线库存问题：超越i.i.d.设定的在线凸优化

Massil Hihat, Stéphane Gaïffas, Guillaume Garrigos, Simon Bussy

机构 * LOPF, Califrais’ Machine Learning Lab, Paris, France（LOPF，Califrais机器学习实验室，巴黎，法国） ； Université Paris Cité and Sorbonne Université, CNRS, Laboratoire de Probabilités, Statistique et Modélisation, Paris, France（巴黎大学和索邦大学，CNRS，概率、统计与建模实验室，巴黎，法国） 纠错

AI总结 本文提出MaxCOSD算法，通过非退化假设解决非i.i.d.需求下的多产品库存控制问题，实现对动态和损失的鲁棒优化。

Journal ref Advances in Neural Information Processing Systems 2023

Blameless Users in a Clean Room: Defining Copyright Protection for Generative Models

清洁房间中的无责用户：为生成模型定义版权保护

Aloni Cohen

机构 * Department of Computer Science University of Chicago（计算机科学系芝加哥大学） 纠错

AI总结 本文提出清洁房间版权保护框架，通过定义无责版权保证，解决生成模型训练数据版权侵权问题，并证明差分隐私在特定条件下可保障版权保护。

Comments Appeared at NeurIPS 2025

JailBound: Jailbreaking Internal Safety Boundaries of Vision-Language Models

JailBound: 视觉语言模型内部安全边界的劫持

Jiaxin Song, Yixu Wang, Jie Li, Rui Yu, Yan Teng, Xingjun Ma, Yingchun Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Xuan Tong（宣通） ； NSFOCUS 纠错

AI总结 JailBound通过在视觉语言模型的潜在空间中探索安全边界，提出了一种新的劫持框架，有效提升了白盒和黑盒攻击成功率，揭示了模型的安全风险。

Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

Machine Unlearning Doesn't Do What You Think: Lessons for Generative AI Policy and Research

机器去学习并不如你所想：生成式AI政策与研究的启示

A. Feder Cooper, Christopher A. Choquette-Choo, Miranda Bogen, Kevin Klyman, Matthew Jagielski, Katja Filippova, Ken Liu, Alexandra Chouldechova, Jamie Hayes, Yangsibo Huang, Eleni Triantafillou, Peter Kairouz, Nicole Elyse Mitchell, Niloofar Mireshghallah, Abigail Z. Jacobs, James Grimmelmann, Vitaly Shmatikov, Christopher De Sa, Ilia Shumailov, Andreas Terzis, Solon Barocas, Jennifer Wortman Vaughan, danah boyd, Yejin Choi, Sanmi Koyejo, Fernando Delgado, Percy Liang, Daniel E. Ho, Pamela Samuelson, Miles Brundage, David Bau, Seth Neel, Hanna Wallach, Amy B. Cyphert, Mark A. Lemley, Nicolas Papernot, Katherine Lee

机构 * The GenLaw Center（GenLaw中心） ； Microsoft Research（微软研究院） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） ； Center for Democracy & Technology（民主与科技中心） ； Princeton（普林斯顿） ； Google（谷歌） ； University of Washington（华盛顿大学） ； University of Michigan（密歇根大学） ； Cornell Tech（康奈尔科技） ； Cornell Law School（康奈尔法学院） ； Cornell University（康奈尔大学） ； Lighthouse ； Stanford Law School（斯坦福法学院） ； UC Berkeley（伯克利大学） ； Independent（独立研究者） ； Northeastern University（东北大学） ； Harvard Business School（哈佛商学院） ； W. Virginia University College of Law（维珍尼亚大学法学院） 纠错

AI总结 本文指出机器去学习并非通用解决方案，揭示其在生成式AI政策与研究中的局限性。

Comments NeurIPS 2025 (Oral)

Geometric Priors for Generalizable World Models via Vector Symbolic Architecture

基于向量符号架构的几何先验用于通用世界模型

William Youngwoo Chung, Calvin Yeung, Hansen Jin Lillemark, Zhuowen Zou, Xiangjian Liu, Mohsen Imani

机构 * University of California Irvine（加州大学伊文斯分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出基于向量符号架构的几何先验方法，通过学习复数空间的群结构，实现高效且可解释的世界模型，提升多步组合和泛化能力。

Comments 9 pages, accepted to Neurips 2025 Workshop Symmetry and Geometry in Neural Representations

egoEMOTION: Egocentric Vision and Physiological Signals for Emotion and Personality Recognition in Real-World Tasks

egoEMOTION：眼动视觉与生理信号用于现实任务中情绪与个性识别

Matthias Jammot, Björn Braun, Paul Streli, Rafael Wampfler, Christian Holz

机构 * Department of Computer Science ETH Zurich（计算机科学系，苏黎世联邦理工学院） 纠错

AI总结 egoEMOTION通过结合眼动视觉和生理信号，首次实现现实任务中情绪与个性识别的基准任务与数据集。

Comments Accepted for publication at NeurIPS 2025

RMIT-ADM+S at the MMU-RAG NeurIPS 2025 Competition

RMIT-ADM+S在MMU-RAG NeurIPS 2025比赛中的表现

Kun Ran, Marwah Alaofi, Danula Hettiachchi, Chenglong Ma, Khoi Nguyen Dinh Anh, Khoi Vo Nguyen, Sachin Pathiyan Cherumanal, Lida Rashidi, Falk Scholer, Damiano Spina, Shuoqi Sun, Oleg Zendel

机构 * RMIT University（皇家墨尔本理工大学） 纠错

AI总结 RMIT-ADM+S系统通过Routing-to-RAG架构在NeurIPS 2025 MMU-RAG比赛中获胜，实现了高效检索增强生成和复杂科研任务处理。

Comments MMU-RAG NeurIPS 2025 winning system

Inner Speech as Behavior Guides: Steerable Imitation of Diverse Behaviors for Human-AI coordination

内部言语作为行为引导：为人类-人工智能协调的可操控模仿

Rakshit Trivedi, Kartik Sharma, David C Parkes

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Harvard University（哈佛大学） 纠错

AI总结 MIMIC通过语言作为内部表示，利用视觉语言模型和扩散策略实现人类-人工智能协调中的行为引导与多样化的模仿控制。

Comments Spotlight paper at NeurIPS 2025

Learning to Solve Complex Problems via Dataset Decomposition

通过数据集分解学习解决复杂问题

Wanru Zhao, Lucas Caccia, Zhengyan Shi, Minseon Kim, Weijia Xu, Alessandro Sordoni

机构 * University of Cambridge（剑桥大学） ； Microsoft Research（微软研究院） ； Mila - Quebec AI Institute（魁北克人工智能研究所） 纠错

AI总结 通过数据集分解和课程生成方法，提升模型解决复杂问题的能力

Comments NeurIPS 2025

RHYTHM: Reasoning with Hierarchical Temporal Tokenization for Human Mobility

RHYTHM：基于层次时间标记的人类移动推理

Haoyu He, Haozheng Luo, Yan Chen, Qi R. Wang

机构 * Northeastern University（东北大学） ； Northwestern University（西北大学） 纠错

AI总结 RHYTHM通过层次时间标记框架提升人类移动预测的准确性和效率，实现更高效的时空推理与预测。

Comments Advances in Neural Information Processing Systems 39 (NeurIPS) 2025

HoloLLM: Multisensory Foundation Model for Language-Grounded Human Sensing and Reasoning

HoloLLM：面向语言基础的人感知与推理的多感官基础模型

Chuhao Zhou, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） 纠错

AI总结 HoloLLM通过整合LiDAR、红外、毫米波雷达和Wi-Fi等多感官数据，提升语言基础的人感知与推理能力，实验表明其在真实场景中的性能提升达30%。

Comments Camera-ready version. Accepted at NeurIPS 2025

Constrained Diffusion for Accelerated Structure Relaxation of Inorganic Solids with Point Defects

具有点缺陷的无机固体加速结构弛豫的约束扩散

Jingyi Cui, Jacob K. Christopher, Ankita Biswas, Prasanna V. Balachandran, Ferdinando Fioretto

机构 * University of Virginia（弗吉尼亚大学） 纠错

AI总结 本文提出了一种约束扩散模型，用于高效模拟具有点缺陷的无机固体结构弛豫，提升第一性原理模拟的效率和准确性。

Comments Appeared in the NeurIPS 2025 Workshop on AI for Accelerated Material Design (AI4Mat)

Cost Efficient Fairness Audit Under Partial Feedback

在部分反馈下实现成本高效的公平性审计

Nirjhar Das, Mohit Sharma, Praharsh Nanavati, Kirankumar Shiragur, Amit Deshpande

机构 * Indian Institute of Science（印度科学研究院） ； IIIT Delhi（德里印度理工学院） ； Microsoft Research India（微软印度研究院） 纠错

AI总结 本文提出了一种在部分反馈下实现成本高效公平性审计的算法，适用于黑盒模型和混合模型，显著降低审计成本并优于自然基线。

Comments Accepted at NeurIPS 2025 RegML Workshop; Reliable ML Workshop

E-BATS: Efficient Backpropagation-Free Test-Time Adaptation for Speech Foundation Models

E-BATS：高效的无反向传播测试时间适应方法用于语音基础模型

Jiaheng Dong, Hong Jia, Soumyajit Chatterjee, Abhirup Ghosh, James Bailey, Ting Dang

机构 * The University of Melbourne（墨尔本大学） ； University of Auckland（奥克兰大学） ； Nokia Bell Labs, UK（诺基亚贝尔实验室（英国）） ； University of Birmingham（伯明翰大学） 纠错

AI总结 E-BATS是一种专为语音基础模型设计的高效无反向传播测试时间适应框架，通过轻量级提示适应、多尺度损失和测试时间指数移动平均机制，在适应效果和内存效率之间取得平衡，实现了4.1%-13.5%的准确率提升和2.0-6.4倍的GPU内存节省。

Comments Accepted by NeurIPS 2025

MEGADance: Mixture-of-Experts Architecture for Genre-Aware 3D Dance Generation

MEGADance：用于风格感知3D舞蹈生成的专家混合架构

Kaixing Yang, Xulong Tang, Ziqiao Peng, Yuxuan Hu, Jun He, Hongyan Liu

机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Malou Tech Inc（马洛科技公司） 纠错

AI总结 MEGADance通过专家混合架构实现风格感知的3D舞蹈生成，提升舞蹈质量和风格可控性。

Comments NeurIPS 2025