期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
金融代理的协调框架：从算法交易到代理交易
机构 * SecureFinAI Lab, Columbia University（安全金融人工智能实验室，哥伦比亚大学） ； Purdue University（普渡大学） ； Rensselaer Polytechnic Institute（拉特格斯理工学院） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出了一种金融代理的协调框架，通过代理系统实现了股票和加密货币交易，展示了其在不同市场中的表现和优势。
Comments Accepted at the Workshop on Generative AI in Finance, 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
WhAM：迈向 sperm 尾声的翻译模型
机构 * UC Berkeley（加州大学伯克利分校） ； Project CETI ； Northwestern University（西北大学） ； Haifa University（海法大学） ； City University of New York（纽约城市大学） ； Carleton University（卡尔顿大学）
AI总结 WhAM是一种基于transformer的模型，能够从音频提示生成高保真的抹香鲸咔嗒声，通过微调预训练的VampNet模型，实现了在节奏、社会单位和元音分类等任务上的优异表现。
Comments NeurIPS 2025
FineGRAIN：通过视觉语言模型法官评估文本到图像模型的故障模式
机构 * University of Maryland（马里兰大学） ； Columbia University（哥伦比亚大学） ； Sony AI（索尼人工智能）
AI总结 FineGRAIN通过视觉语言模型评估文本到图像模型的故障模式，揭示属性保真度和物体表示的系统性错误，强调了针对性基准测试对生成模型可靠性的重要性。
Comments Accepted to NeurIPS 2025 Datasets and Benchmarks Track
WearVQA: 一个用于评估智能眼镜等可穿戴设备上多模型AI助手视觉问答能力的基准测试
AI总结 WearVQA是一个评估可穿戴设备上多模型AI助手视觉问答能力的基准测试，通过真实场景下的图像-问题-答案三元组，评估其在复杂视觉输入和现实任务中的表现。
Comments 11 pages, 5 figures, NeurIPS 2025
测试时谱感知的潜在引导用于视觉-语言模型中的零样本泛化
机构 * Rutgers University（罗格斯大学）
AI总结 本文提出STP，一种轻量级的测试时适应框架，通过谱感知方法引导潜在表示，提升视觉-语言模型在零样本泛化中的性能，同时保持高效推理速度和低内存消耗。
Comments NeurIPS 2025
具有优化确定等价的风险厌恶约束强化学习
机构 * Yale University（耶鲁大学） ； King’s College London（伦敦国王学院） ； Cisco Systems Inc.（思科系统公司）
AI总结 本文提出一种基于优化确定等价的风险厌恶约束强化学习框架，通过增强鲁棒性和算法收敛性，提升高风险环境下的决策可靠性。
Comments NeurIPS 2025
CPEP：对比姿态-肌电预训练增强肌电信号上的手势泛化
机构 * Apple（苹果公司） ； Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（明希部门电子与计算机工程系，南加州大学）
AI总结 CPEP通过对比姿态和肌电表示提升手势分类性能，实现零样本学习和分布外泛化。
Comments Accepted by 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Foundation Models for the Brain and Body
弥合人类与大语言模型判断之间的鸿沟：理解和缩小差距
机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； Institute of Foundation Models, MBZUAI（基础模型研究院）
AI总结 Bridge通过统一统计框架弥合人类与LLM判断差距，改进评分并揭示系统性差异。
Comments NeurIPS 2025
释放小时级视频训练以实现长视频-语言理解
AI总结 本文提出VideoMarathon数据集和Hour-LLaVA模型，通过小时级视频训练提升长视频-语言理解能力。
Comments NeurIPS 2025, Project page: https://videomarathon.github.io/
Alligat0R：通过共视分割进行预训练以实现相对相机姿态回归
机构 * LIGM, Ecole des Ponts, Univ. Gustave Eiffel, CNRS, France（LIGM，巴黎理工大学，埃菲尔大学，CNRS，法国） ； Univ. Bordeaux, CNRS, Bordeaux INP, IMS, UMR 5218, France（波尔多大学，CNRS，波尔多INP，IMS，UMR 5218，法国）
AI总结 Alligat0R通过共视分割预训练方法在相对相机姿态回归中优于CroCo
Comments NeurIPS 2025 Spotlight
投影假设：稀疏自编码器与概念几何的二元性
机构 * School of Engineering and Applied Science, Harvard University（哈佛大学工程与应用科学学院） ； CBS-NTT Program in Physics of Intelligence, Harvard University（哈佛大学人工智能物理项目） ； Physics of Artificial Intelligence Group, NTT Research, Inc., Sunnyvale, CA, USA（NTT研究公司人工智能物理组） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所）
AI总结 本文探讨了稀疏自编码器与概念几何的二元性，揭示了SAE在不同架构下的局限性，并提出了一种新的SAE来解决概念恢复的问题。
Comments Published in NeurIPS 2025 (poster)
Sloth: LLM技能的缩放定律用于跨家族预测多基准性能
机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM Watson AI实验室，IBM研究） ； Computer Science and Artificial Intelligence Laboratory, MIT（MIT计算机科学与人工智能实验室） ； Institute of Foundation Models, MBZUAI（基础模型研究所，MBZUAI）
AI总结 Sloth提出一种基于低维潜在技能的LLM缩放定律，通过跨基准相关性提升预测准确性，减少多家族训练需求。
Comments NeurIPS 2025
噪声注入揭示了“沙袋”语言模型的隐藏能力
机构 * Geodesic Research ； Technical University of Munich（慕尼黑技术大学） ； Tufts University（塔夫茨大学） ； SecureBio ； Apart Research ； Anthropic ； Apollo Research
AI总结 通过噪声注入揭示沙袋语言模型的隐藏能力，提供了一种检测和评估前沿AI系统有效性的实用工具。
Comments Published at NeurIPS 2025, code available at https://github.com/camtice/SandbagDetect. Preliminary work presented at SATA and SoLaR (NeurIPS 2024 workshops)
视觉同步：通过跨视角物体运动实现多摄像头同步
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 VisualSync通过多视角动态优化，实现跨摄像头流的毫秒级同步，有效降低同步误差至50毫秒以下。
Comments Accepted to NeurIPS 2025. Project page: https://stevenlsw.github.io/visualsync/
知识图谱持续学习中的弹性权重固化：一项实证评估
机构 * School of Computing（计算学院） ； Information Systems（信息系统） ； Athabasca University（亚伯达大学）
AI总结 本文通过实验证明，EWC在知识图谱持续学习中有效缓解灾难性遗忘，且任务划分策略影响遗忘程度。
Comments Accepted to NORA Workshop at NeurIPS 2025
图距离作为惊喜：知识图谱推理中的自由能最小化
机构 * School of Computing（计算学院） ； Information Systems（信息系统） ； Athabasca University（亚伯达大学）
AI总结 本文提出利用图距离最小化惊喜来改进知识图谱推理，通过连接自由能原理与KG系统，探索图距离在生成模型中的应用及其对语法结构的影响。
Comments Accepted to NORA Workshop at NeurIPS 2025
按计算路径扩展和引导大语言模型，使其与人脑一致
机构 * Meta AI ； Laboratoire de Neurosciences Cognitives et Computationnelles (Inserm U960)（神经认知与计算实验室） ； Ecole Normale Supérieure - PSL（巴黎高等师范学院 - PSL）
AI总结 本研究通过分析人脑和LLM的表示对齐性，发现两者在计算顺序上一致，但受模型大小和上下文长度影响。
Journal ref Neurips Proceedings 2025 - Spotlight
从黑洞到星系：神经运算符：吸积与反馈动态的框架
机构 * Department of Computer, Mathematical, and Natural Sciences, University of Maryland（大学计算机、数学和自然科学系） ； Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； TAPIR & Walter Burke Institute for Theoretical Physics, California Institute of Technology（加州理工学院TAPIR及沃尔特·布克理论物理研究所） ； Department of Physics, California Institute of Technology（加州理工学院物理系）
AI总结 本文提出基于神经运算符的''子网格黑洞''框架，通过学习小尺度动态并嵌入多级模拟，实现对黑洞与星系演化反馈的动态耦合建模。
Comments ML4PS Workshop, Neurips 2025 accepted
流等变递归神经网络
机构 * Harvard University（哈佛大学）
AI总结 本文提出流等变递归神经网络，通过引入时间参数化的对称性，提升序列模型在训练速度、长度泛化和速度泛化方面的性能。
Comments NeurIPS '25, Spotlight
无界流的隐私连续计数
机构 * Department of Computer Sciences University of Wisconsin — Madison（计算机科学系威斯康星大学麦迪逊分校） ； Department of Electrical and Computer Engineering University of Wisconsin — Madison（电气与计算机工程系威斯康星大学麦迪逊分校）
AI总结 本研究提出一种无界流的隐私连续计数算法，通过引入基于对数扰动的矩阵分解，实现平滑误差和更优的方差与空间效率。
Comments Published as a conference paper at NeurIPS 2025. 20 pages, 2 figures
非平稳带惩戒凸优化：全面研究
机构 * University of Oxford（牛津大学） ； Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔INP、LIG实验室） ； Google Research（谷歌研究）
AI总结 本文提出TEWA-SE和cExO算法，分别在已知和未知非平稳度量下实现带惩戒凸优化的最小化最优遗憾。
Comments 33 pages, 1 figure, accepted at NeurIPS 2025
一种用于自动驾驶赛车的模拟基准测试平台
机构 * UC San Diego（斯克里普斯海洋研究所） ； TU-Graz（格拉茨技术大学） ； Unimore（乌尔比诺大学） ； Know-Center GmbH（Know-Center公司）
AI总结 本文提出基于Assetto Corsa的赛车模拟平台，用于测试和评估强化学习与模型预测控制算法，结合人类驾驶数据集和离线RL设置，推动自动驾驶赛车技术发展。
Comments Project page and code can be found at: \url{https://assetto-corsa-gym.github.io/}
Journal ref Advances in Neural Information Processing Systems 37 (NeurIPS 2024)
屏蔽符号建模用于在冲击噪声主导信道中解调过采样基带通信信号
机构 * Electrical & Computer Engineering Texas A&M University College Station, TX 77843（电气与计算机工程系，德克萨斯农工大学，College Station, TX 77843） ； Engineering Technology & Industrial Distribution Texas A&M University College Station, TX 77843（工程技术与工业分销，德克萨斯农工大学，College Station, TX 77843） ； Engineering Technology & Industrial Distribution, and Electrical & Computer Engineering Texas A&M University College Station, TX 77843（工程技术与工业分销，以及电气与计算机工程，德克萨斯农工大学，College Station, TX 77843）
AI总结 本文提出屏蔽符号建模方法，用于在冲击噪声主导信道中解调过采样基带通信信号，通过学习复基带波形的潜在语法实现上下文感知的物理层设计。
Comments Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop on AI and ML for Next-Generation Wireless Communications and Networking (AI4NextG), non-archival
非凡特性及其获取方法：一种结合多个基础模型特征的探测方法
机构 * University of Oxford（牛津大学） ； Polytechnique Montréal（蒙特利尔理工学院）
AI总结 ComBo是一种结合多个基础模型特征的探测方法，通过紧凑表示和轻量级transformer实现高效任务预测，优于现有探测方法并提升模型性能。
Comments Published at NeurIPS 2025
OpenBox: 任意3D边界框的标注
机构 * Seoul National University（首尔国立大学） ； POSTECH
AI总结 OpenBox通过2D视觉基础模型实现无需自我训练的高质量3D边界框标注，提升自动驾驶中物体检测的准确性和效率。
Comments Accepted by NeurIPS 2025
将NGU扩展到多智能体RL：初步研究
机构 * Department of Computer Science, Pontifical Catholic University of Chile（天主教智利大学计算机科学系） ； Millennium Institute for Intelligent Healthcare Engineering (iHEALTH)（智能医疗工程研究院） ； National Center for Artificial Intelligence (CENIA)（人工智能国家中心）
AI总结 本研究将NGU算法扩展至多智能体RL环境，通过共享经验缓冲区和优化内在探索信号，提升了多智能体任务中的性能与稳定性。
Comments 9 pages, 4 figures, 1 table. Accepted at the LatinX in AI (LXAI) Workshop at NeurIPS 2025. Includes experimental results for Multi-NGU and Multi-DQN in the PettingZoo simple_tag environment
通过了解他人来认识自己：从群体上下文学习神经元身份
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学） ； McGill University（麦吉尔大学） ； Mila（Mila研究所） ； Allen Institute for Neural Dynamics（神经动态阿伦研究所）
AI总结 NuCLR通过自监督学习从群体上下文中的神经活动区分神经元身份，实现了细胞类型和大脑区域解码的最新成果。
Comments Accepted at Neurips 2025
LGDC: 通过谱保持粗化实现潜在图扩散
机构 * University College London（伦敦大学学院） ； MediaTek Research（联发科研究） ； University of Oxford（牛津大学）
AI总结 LGDC通过结合自回归和扩散模型的优点，提出一种谱保持粗化的方法，实现高效图生成。
Journal ref NeurIPS 2025 New Perspectives in Advancing Graph Machine Learning Workshop
现实世界中主动感知行为的强化学习
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Liège（列日大学） ； UC Berkeley（伯克利大学）
AI总结 本文提出AAWR方法，通过特权传感器训练高效主动感知策略，提升机器人在部分可观测环境下的任务性能。
Comments NeurIPS 2025 camera ready
动态算法用于lp范数下的可解释k-均值聚类
机构 * Northwestern（西北大学） ； TTIC（泰特研究所）
AI总结 本文提出了一种动态算法，用于在lp范数下实现可解释的k-均值聚类，改进了现有算法的性能并适用于大规模数据集。
Comments 36 pages, 3 figures, to appear in NeurIPS 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈