NeurIPS

BitMark: Watermarking Bitwise Autoregressive Image Generative Models

BitMark: 图像生成模型中位级水印技术

Louis Kerner, Michel Meintz, Bihe Zhao, Franziska Boenisch, Adam Dziedzic

机构 * CISPA Helmholtz Center for Information Security（CISPA 河岸信息安全中心） 纠错

AI总结 BitMark通过位级水印技术防止图像生成模型中的模型崩溃，确保生成内容可检测。

Comments Accepted as a Conference Paper at NeurIPS 2025

Bigram Subnetworks: Mapping to Next Tokens in Transformer Language Models

双元子网络：映射到下一个标记的Transformer语言模型

Tyler A. Chang, Benjamin K. Bergen

机构 * Department of Cognitive Science University of California San Diego（认知科学系，加州大学圣地亚哥分校） 纠错

AI总结 研究发现Transformer语言模型中存在双元子网络，这些子网络能基于当前标记预测下一个标记，且对模型性能至关重要。

Comments NeurIPS 2025

Trajectory Balance with Asynchrony: Decoupling Exploration and Learning for Fast, Scalable LLM Post-Training

轨迹平衡与异步性：解耦探索与学习以实现快速、可扩展的LLM后训练

Brian Bartoldson, Siddarth Venkatraman, James Diffenderfer, Moksh Jain, Tal Ben-Nun, Seanie Lee, Minsu Kim, Johan Obando-Ceron, Yoshua Bengio, Bhavya Kailkhura

机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； KAIST（韩国科学技术院） ； CIFAR Fellow 纠错

AI总结 TBA通过解耦探索与学习，提升LLM后训练的速度和性能，适用于多种任务并支持大规模数据生成。

Comments NeurIPS 2025; 27 pages

Transductive Conformal Inference for Full Ranking

诱导符合推断用于全排序

Jean-Baptiste Fermanian, Pierre Humbert, Gilles Blanchard

AI总结 本文提出基于符合预测的方法，用于量化全排序算法在未知排名中的不确定性，并通过实验验证其有效性。

Journal ref NeurIPS 2025, The Thirty-Ninth Annual Conference on Neural Information Processing Systems, Dec 2025, San Diego (CA), United States

EnCompass: Enhancing Agent Programming with Search Over Program Execution Paths

EnCompass：通过程序执行路径搜索增强智能体编程

Zhening Li, Armando Solar-Lezama, Yisong Yue, Stephan Zheng

机构 * Asari AI ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Caltech CMS（加州理工学院 CMS） 纠错

AI总结 EnCompass通过解耦智能体工作流逻辑与推理策略，提供一种基于Python的框架，允许快速提升智能体可靠性并灵活切换推理策略。

Comments 65 pages, 2 figures, published in NeurIPS 2025

AsymPuzl: An Asymmetric Puzzle for multi-agent cooperation

AsymPuzl：多智能体合作中的非对称谜题

Xavier Cadet, Edward Koh, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

AI总结 AsymPuzl通过非对称谜题环境研究多智能体合作中的通信策略与反馈机制。

Comments Accepted at NeurIPS MTI-LLM 2025

Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia

利用Concordia评估基于LLM的智能体在混合动机场景中的泛化能力

Chandler Smith, Marwa Abdulhai, Manfred Diaz, Marko Tesic, Rakshit S. Trivedi, Alexander Sasha Vezhnevets, Lewis Hammond, Jesse Clifton, Minsuk Chang, Edgar A. Duéñez-Guzmán, John P. Agapiou, Jayd Matyas, Danny Karmon, Akash Kundu, Aliaksei Korshuk, Ananya Ananya, Arrasy Rahman, Avinaash Anand Kulandaivel, Bain McHale, Beining Zhang, Buyantuev Alexander, Carlos Saith Rodriguez Rojas, Caroline Wang, Chetan Talele, Chenao Liu, Chichen Lin, Diana Riazi, Di Yang Shi, Emanuel Tewolde, Elizaveta Tennant, Fangwei Zhong, Fuyang Cui, Gang Zhao, Gema Parreño Piqueras, Hyeonggeun Yun, Ilya Makarov, Jiaxun Cui, Jebish Purbey, Jim Dilkes, Jord Nguyen, Lingyun Xiao, Luis Felipe Giraldo, Manuela Chacon-Chamorro, Manuel Sebastian Rios Beltran, Marta Emili García Segura, Mengmeng Wang, Mogtaba Alim, Nicanor Quijano, Nico Schiavone, Olivia Macmillan-Scott, Oswaldo Peña, Peter Stone, Ram Mohan Rao Kadiyala, Rolando Fernandez, Ruben Manrique, Sunjia Lu, Sheila A. McIlraith, Shamika Dhuri, Shuqing Shi, Siddhant Gupta, Sneheel Sarangi, Sriram Ganapathi Subramanian, Taehun Cha, Toryn Q. Klassen, Wenming Tu, Weijian Fan, Wu Ruiyang, Xue Feng, Yali Du, Yang Liu, Yiding Wang, Yipeng Kang, Yoonchang Sung, Yuxuan Chen, Zhaowei Zhang, Zhihan Wang, Zhiqiang Wu, Ziang Chen, Zilong Zheng, Zixia Jia, Ziyan Wang, Dylan Hadfield-Menell, Natasha Jaques, Tim Baarslag, Jose Hernandez-Orallo, Joel Z. Leibo

机构 * Cooperative AI Foundation（合作人工智能基金会） ； University of Oxford（牛津大学） ； UC Berkeley（伯克利大学） ； Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Leverhulme Centre for the Future of Intelligence, University of Cambridge（未来智能研究中心，剑桥大学） ； MIT（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Center on Long-Term Risk（长期风险中心） ； Google Research（谷歌研究） ； University of Washington（华盛顿大学） ； Centrum Wiskunde & Informatica（数学与信息研究所） ； Utrecht University（乌得勒支大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Concordia Contest Participants with Notable Contributions（康科德比赛有显著贡献的参与者） 纠错

AI总结 本文提出利用Concordia评估LLM智能体在混合动机场景中的合作能力，揭示了当前智能体在泛化能力上的不足。

Comments Published at NeurIPS Datasets and Benchmarks 2025, 10 pages

PixPerfect: Seamless Latent Diffusion Local Editing with Discriminative Pixel-Space Refinement

PixPerfect: 基于判别像素空间的无缝潜在扩散局部编辑

Haitian Zheng, Yuan Yao, Yongsheng Yu, Yuqian Zhou, Jiebo Luo, Zhe Lin

机构 * Adobe Research（Adobe研究院） ； University of Rochester（罗切斯特大学） 纠错

AI总结 PixPerfect通过判别像素空间和伪影模拟流程，实现跨不同LDM架构和任务的无缝高保真局部编辑。

Comments Published in the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

Perch 2.0 transfers 'whale' to underwater tasks

Perch 2.0将'鲸'转移到水下任务

Andrea Burns, Lauren Harrell, Bart van Merriënboer, Vincent Dumoulin, Jenny Hamer, Tom Denton

机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） 纠错

AI总结 Perch 2.0通过少样本迁移学习在海洋哺乳动物分类中表现出色，优于其他预训练生物声学模型。

Comments 8 pages, 3 figures, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: AI for Non-Human Animal Communication

Flux4D: Flow-based Unsupervised 4D Reconstruction

Flux4D: 基于流的无监督4D重建

Jingkang Wang, Henry Che, Yun Chen, Ze Yang, Lily Goli, Sivabalan Manivasagam, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

AI总结 Flux4D通过无监督学习直接从原始数据中重建大规模动态场景，无需预训练模型或先验知识，实现高效且可扩展的4D重建。

Comments NeurIPS 2025. Project page: https://waabi.ai/flux4d/

Atomic Diffusion Models for Small Molecule Structure Elucidation from NMR Spectra

原子扩散模型用于从NMR谱解析小分子结构

Ziyu Xiong, Yichi Zhang, Foyez Alauddin, Chu Xin Cheng, Joon Soo An, Mohammad R. Seyedsayamdost, Ellen D. Zhong

机构 * Princeton University（普林斯顿大学） ； California Institute of Technology（加州理工学院） 纠错

AI总结 ChefNMR通过原子扩散模型从NMR光谱直接预测小分子结构，实现高精度自动解析。

Comments NeurIPS 2025

Mitigating Intra- and Inter-modal Forgetting in Continual Learning of Unified Multimodal Models

缓解统一多模态模型持续学习中的模态内和模态间遗忘

Xiwen Wei, Mustafa Munir, Radu Marculescu

AI总结 本文提出MoDE，通过解耦模态以缓解统一多模态模型中的模态内和模态间遗忘问题。

Comments NeurIPS 2025

Hierarchical Deep Research with Local-Web RAG: Toward Automated System-Level Materials Discovery

分层深度研究与本地Web RAG：迈向自动化系统级材料发现

Rui Ding, Rodrigo Pires Ferreira, Yuxin Chen, Junhong Chen

机构 * Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Chemical Sciences and Engineering Division, Argonne National Laboratory（阿贡国家实验室化学科学与工程 division） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） 纠错

AI总结 本文提出一种分层深度研究代理，通过本地Web RAG和DToR机制，实现低成本高质的自动化系统级材料发现。

Comments A preliminary version appeared in The AI for Accelerated Materials Discovery (AI4Mat) Workshop at NeurIPS 2025

SafePTR: Token-Level Jailbreak Defense in Multimodal LLMs via Prune-then-Restore Mechanism

SafePTR: 通过剪枝-恢复机制实现多模态大语言模型的令牌级 Jailbreak 防御

Beitao Chen, Xinyu Lyu, Lianli Gao, Jingkuan Song, Heng Tao Shen

机构 * Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳研究院） ； Southwestern University of Finance and Economics（西南财经大学） ； Engineering Research Center of Intelligent Finance, Ministry of Education（教育部智能金融工程研究中心） ； Tongji University（同济大学） 纠错

AI总结 SafePTR 提出一种无需训练的多模态大语言模型防御机制，通过剪枝有害令牌并恢复良性特征，有效提升安全性并保持效率。

Comments Accepted by NeurIPS 2025

SPRINT: Enabling Interleaved Planning and Parallelized Execution in Reasoning Models

SPRINT: 使推理模型能够实现交错规划与并行执行

Emil Biju, Shayan Talaei, Zhemin Huang, Mohammadreza Pourreza, Azalia Mirhoseini, Amin Saberi

机构 * Stanford University（斯坦福大学） ； Microsoft（微软） ； Google（谷歌） 纠错

AI总结 SPRINT通过动态识别并利用并行化机会，使推理模型在复杂任务中提升效率，减少序列token生成量。

Comments Published at NeurIPS 2025. Emil Biju, Shayan Talaei, and Zhemin Huang contributed equally to this work

MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query

MERIT: 多语言语义检索与交错多条件查询

Wei Chow, Yuan Gao, Linfeng Li, Xian Wang, Qi Xu, Hang Song, Lingdong Kong, Ran Zhou, Yi Zeng, Yidong Cai, Botian Jiang, Shilin Xu, Jiajun Zhang, Minghui Qiu, Xiangtai Li, Tianshu Yang, Siliang Tang, Juncheng Li

机构 * Zhejiang University（浙江大学） 纠错

AI总结 MERIT提出首个多语言交错多条件语义检索数据集，通过Coral框架提升检索性能45.9%，并验证了其在多个基准上的泛化能力。

Comments NeurIPS 2025; Project Page, Code, and Dataset at: https://merit-2025.github.io/

Characterizing the Expressivity of Fixed-Precision Transformer Language Models

刻画固定精度变换器语言模型的表达能力

Jiaoda Li, Ryan Cotterell

AI总结 本研究通过分析固定精度变换器的表达能力，发现其与线性时间逻辑中单一时间运算符的片段一致，并通过实验证明其在语言泛化中的表现。

Comments NeurIPS 2025 (Spotlight)

Proximalized Preference Optimization for Diverse Feedback Types: A Decomposed Perspective on DPO

近端化偏好优化用于多样化反馈类型：对DPO的分解视角

Kaiyang Guo, Yinchuan Li, Zhitang Chen

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 本文提出PRO方法，通过分解DPO损失并恢复完整正则化项，解决似然不足确定性问题，提升对多样化反馈类型的适应能力。

Comments NeurIPS'2025

Planning without Search: Refining Frontier LLMs with Offline Goal-Conditioned RL

无需搜索的规划：通过离线目标条件强化学习精炼前沿大语言模型

Joey Hong, Anca Dragan, Sergey Levine

机构 * UC Berkeley（伯克利大学） 纠错

AI总结 通过目标条件价值函数引导LLM推理，实现高效多轮交互规划，优于传统RL微调和提示方法。

Comments Published at NeurIPS 2025; 18 pages, 4 figures, 2 tables

ConfRover: Simultaneous Modeling of Protein Conformation and Dynamics via Autoregression

ConfRover：通过自回归方法同时建模蛋白质构象与动力学

Yuning Shen, Lihao Wang, Huizhuo Yuan, Yan Wang, Bangji Yang, Quanquan Gu

机构 * ByteDance Seed（字节跳动种子基金） ； School of Mathematical Sciences, Tongji University（同济大学数学科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

AI总结 ConfRover通过自回归方法同时建模蛋白质构象与动力学，支持时间依赖和时间无关的采样，首次在单一框架内实现蛋白质构象和轨迹的生成。

Comments 35 pages, 17 figures; Camera ready for NeurIPS 2025; Website: https://bytedance-seed.github.io/ConfRover

Accelerating data-driven algorithm selection for combinatorial partitioning problems

加速组合划分问题的数据驱动算法选择

Vaggos Chatziafratis, Ishani Karmarkar, Yingxi Li, Ellen Vitercik

机构 * UC Santa Cruz（加州大学圣克鲁兹分校） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种理论基础，用于数据驱动算法选择中的大小泛化，通过在较小样本上评估算法性能来预测大规模实例的表现，并验证了三种聚类算法和两种max-cut算法的泛化能力。

Journal ref NeurIPS 2025

Instant Video Models: Universal Adapters for Stabilizing Image-Based Networks

即时视频模型：用于稳定图像网络的通用适配器

Matthew Dutson, Nathan Labiosa, Yin Li, Mohit Gupta

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出了一种通用的稳定性适配器，用于提升视频中图像网络的稳定性和鲁棒性，通过统一的损失函数和高效训练方法，在多个视觉任务中提升了预测质量与抗损坏能力。

Comments NeurIPS 2025

Martingale Score: An Unsupervised Metric for Bayesian Rationality in LLM Reasoning

马尔可夫得分：一种用于大语言模型推理中贝叶斯理性性的无监督度量标准

Zhonghao He, Tianyi Qiu, Hirokazu Shirado, Maarten Sap

机构 * University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本研究提出马尔可夫得分，用于评估大语言模型推理中的贝叶斯理性性，通过检测信念更新的违反情况来衡量求真能力。

Comments NeurIPS 2025

STRIDE: A Systematic Framework for Selecting AI Modalities -- Agentic AI, AI Assistants, or LLM Calls

STRIDE：一种选择AI模态的系统框架——代理AI、AI助手或LLM调用

Shubhi Asthana, Bing Zhang, Chad DeLuca, Ruchi Mahindru, Hima Patel

机构 * IBM Research – Almaden（IBM阿尔马登研究实验室） ； IBM Research – Yorktown（IBM约克镇研究实验室） ； IBM Research – India（IBM印度研究实验室） 纠错

AI总结 STRIDE提供了一种系统框架，帮助选择AI模态，通过评估任务动态性决定是否使用自主代理，提升效率并降低成本。

Comments 10 pages, 4 Figures, 5 Tables Paper presented at NeurIPS 2025 LAW workshop: Bridging Language, Agent, and World Models

Adaptive Prediction-Powered AutoEval with Reliability and Efficiency Guarantees

具有可靠性和效率保证的自适应预测-驱动AutoEval

Sangwoo Park, Matteo Zecchin, Osvaldo Simeone

机构 * Department of Engineering（工程系） 纠错

AI总结 本文提出R-AutoEval+框架，通过自适应构造模型评估变量，实现模型评估的可靠性保障和样本效率提升。

Comments NeurIPS 2025 (spotlight)

SkyLadder: Better and Faster Pretraining via Context Window Scheduling

SkyLadder: 通过上下文窗口调度实现更优更高效的预训练

Tongyao Zhu, Qian Liu, Haonan Wang, Shiqi Chen, Xiangming Gu, Tianyu Pang, Min-Yen Kan

机构 * National University of Singapore（新加坡国立大学） ； Sea AI Lab（Sea AI实验室） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 SkyLadder通过上下文窗口调度策略，在保持基准性能的同时，提升了长上下文任务的表现，并加快了训练速度。

Comments Accepted to NeurIPS 2025. 10 pages

HouseLayout3D: A Benchmark and Training-Free Baseline for 3D Layout Estimation in the Wild

HouseLayout3D: 一个用于野外3D布局估计的基准和无需训练的基线

Valentin Bieri, Marie-Julie Rakotosaona, Keisuke Tateno, Francis Engelmann, Leonidas Guibas

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Stanford University（斯坦福大学） 纠错

AI总结 HouseLayout3D提出一个无需训练的基线，通过现实世界数据推动多楼层建筑的3D布局估计研究。

Comments NeurIPS 2025 (Datasets and Benchmarks Track) Project Page: https://houselayout3d.github.io

Video Diffusion Models Excel at Tracking Similar-Looking Objects Without Supervision

视频扩散模型在无监督情况下能有效追踪相似外观的对象

Chenshuang Zhang, Kang Zhang, Joon Son Chung, In So Kweon, Junmo Kim, Chengzhi Mao

机构 * KAIST（韩国科学技术院） ； Rutgers University（罗格斯大学） 纠错

AI总结 本文提出利用预训练视频扩散模型的运动表示能力，实现无监督环境下对视觉相似对象的高效追踪，提升了追踪性能并克服了现有方法的局限。

Comments Accepted at NeurIPS 2025

Few-shot Protein Fitness Prediction via In-context Learning and Test-time Training

少样本蛋白质适应性预测通过上下文学习和测试时训练

Felix Teufel, Aaron W. Kollasch, Yining Huang, Ole Winther, Kevin K. Yang, Pascal Notin, Debora S. Marks

机构 * Harvard Medical School（哈佛医学院） ； University of Copenhagen（哥本哈根大学） ； Novo Nordisk A/S（诺和诺德公司） ； Microsoft Research（微软研究院） ； Technical University of Denmark（丹麦技术大学） 纠错

AI总结 PRIMO通过上下文学习和测试时训练，在少样本条件下实现蛋白质适应性预测，优于零样本和全监督基线。

Comments AI for Science Workshop (NeurIPS 2025)

EcoCast: A Spatio-Temporal Model for Continual Biodiversity and Climate Risk Forecasting

EcoCast：一种用于持续生物多样性和气候风险预测的空间时间模型

Hammed A. Akande, Abdulrauf A. Gidado

AI总结 EcoCast通过多源数据和序列Transformer模型，实现持续的生物多样性和气候风险预测，提升非洲生态保护策略的科学依据。

Comments 9 pages, 3 figures, 1 table. Accepted to the NeurIPS 2025 Workshop on Tackling Climate Change with Machine Learning