期刊&会议
Conference on Neural Information Processing Systems · 会议 · Machine Learning
深入探讨级联不稳定：从Lipschitz连续性视角看图像恢复与目标检测的协同
机构 * Sun Yat-sen University（中山大学） ； Australian National University（澳大利亚国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 通过Lipschitz连续性视角，提出LR-YOLO框架，将图像恢复与目标检测整合，提升检测稳定性与准确性。
Comments NeurIPS 2025
从不完整电子健康记录数据中学习表示的双掩码自编码
机构 * Massachusetts Institute of Technology（麻省理工学院） ； EPFL（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Beth Israel Deaconess Medical Center（贝塞斯达医院）
AI总结 AID-MAE通过双掩码技术直接从不完整EHR时间序列中学习表示，有效提升临床任务性能并实现患者群体的自然分层。
Comments MLHC 2026 camera-ready. Spotlight at NeurIPS TS4H 2025
GAM-Agent：面向复杂视觉推理的博弈论与感知不确定性感知协作框架
AI总结 该研究提出GAM-Agent博弈论多智能体框架，通过基础感知智能体与关键验证智能体的非零和博弈及不确定性感知协作，在四个视觉推理基准上显著提升了中小及强规模VLM的性能，为可靠可解释多模态推理提供了新路径。
Comments Accepted at NeurIPS 2025. Code available at https://github.com/jushengzhang/Gam-Agent
HJ-Gauss: 一种蒙特卡洛HJ可达性方案
AI总结 本文提出了一种基于局部PDE线性化的方法，通过冻结系数采样方案解决高维系统中经典网格基HJ求解器内存消耗大的问题，实现了存储和网格无关的算法，适用于高维可达性分析。
Comments NeurIPS 2026 Submission
脑电（EEG）基础挑战赛：从跨任务到跨主体的脑电解码
AI总结 本文介绍一项包含跨任务跨主体脑电解码、精神病理因素预测两项挑战的大规模脑电竞赛，提供对应基线模型，旨在推动泛化性脑电解码模型及相关临床应用的发展。
Comments Approved at Neurips Competition track. webpage: https://eeg2025.github.io/
Journal ref The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS), 2025
等变稀疏自编码器：对称数据上神经网络的机制可解释性
机构 * University of Amsterdam（阿姆斯特丹大学）
AI总结 该研究针对稀疏自编码器在对称数据上的不可识别问题，提出等变稀疏自编码器，可避免缺陷并发现更有用的下游任务特征，表明重构质量与特征实用性在对称下可能负相关。
Comments NeurIPS 2025 Mechanistic Interpretability and UniReps workshops
缩小生成-验证差距的弱验证器
机构 * Stanford University（斯坦福大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Together AI
AI总结 Weaver通过结合多个弱验证器，有效缩小生成-验证差距，提升验证性能至接近理想验证器水平。
Comments Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
GeRaF: 从射频信号进行神经几何重建
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 提出GeRaF方法，利用神经隐式学习从射频信号重建近距3D几何，通过滤波渲染、物理射频体渲染和无透镜采样策略解决低分辨率、噪声和镜面反射问题。
Comments Accepted at NeurIPS 2025 (Spotlight)
Journal ref Advances in Neural Information Processing Systems 38 (2026): 94200-94230
解读GFlowNets用于药物发现：为药物化学提取可操作见解
机构 * Montai Therapeutics（蒙泰治疗公司）
AI总结 本文提出了一种可解释性框架，用于解读SynFlowNet在药物发现中的化学逻辑，通过揭示分子生成的机理和可操作性见解，支持透明可控的分子设计。
Comments 25 pages, 17 figures in V2. v1 was Accepted for presentation at NeurIPS 2025 WiML Workshop and Molecular Machine Learning Conference (MoML) 2025
检索增强可解释学习：迈向医疗保健领域特定任务的零样本模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； GenBio AI（基因生物人工智能公司） ； Intel（英特尔公司）
AI总结 研究针对医疗保健领域特定任务零样本模型问题推出检索增强可解释学习（RAIL）框架，通过检索相关任务并传递结构生成新预测器，概率公式提供不确定性支持可靠性感知部署，在临床程序预测任务中性能可靠，还提升模型透明度。
Comments A preliminary, non-archival version of this work, titled RAG-IM, was presented at NeurIPS 2024 workshops and the ML4H 2024 Findings track. The work was subsequently renamed Retrieval-Augmented Interpretable Learning (RAIL)
基于张量补全的最优晶格结构设计的代理建模
机构 * University of California, Riverside（加州大学河滨分校） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
AI总结 本研究针对材料设计中训练数据非均匀采样的问题，提出用张量补全作为代理模型，其在偏置采样场景下的$R^2$比经典ML方法高约5%，且均匀采样时性能相当，可加速最优晶格结构设计。
Comments NeurIPS 2025 AI4Mat Workshop
T-TAMER：可证明地管控机器学习服务中的权衡
机构 * Department of Computer Science & Engineering University of Washington（华盛顿大学计算机科学与工程系） ； Department of Computer Science University of Chicago（芝加哥大学计算机科学系）
AI总结 该研究针对机器学习服务中的权衡问题，提出通用框架T-Tamer，证明回溯是获得最优权衡的关键，通过实验验证基于回溯的策略能实现高效的准确率-延迟权衡，为相关模型设计提供理论基础。
Comments Correspondence should be addressed to yyangh at cs dot washington dot edu or haifengxu@uchicago.edu. This manuscript extends our earlier workshop version, which was accepted at the NeurIPS SPIGM 2025 Workshop, and has been accepted to ICLR 2026
OpenDebateEvidence：一个大规模论证挖掘与摘要数据集
AI总结 该研究推出源自美国竞技辩论界的大规模OpenDebateEvidence数据集，经实验验证微调大语言模型可实现论证性抽象摘要，旨在推进计算论证并公开数据集供研究使用。
Comments Published to the 38th Conference on Neural Information Processing Systems (NeurIPS 2024) Track on Datasets and Benchmarks
超越黑箱建议：基于Q值预测的马尔可夫决策过程学习增强算法
AI总结 针对带不可信机器学习建议的单轨迹时变MDP，该研究提出利用Q值建议动态选择最优方案的学习增强算法，证明其一致性与鲁棒性权衡结果优于仅用黑箱建议的方法。
Comments 33 pages, NeurIPS 2023
潜在因素：学习深度状态空间模型
AI总结 本文提出了一种约束优化框架和扩展卡尔曼变分自编码器，用于改进深度状态空间模型的动态建模和预测准确性。
Comments Published at NeurIPS 2021
Journal ref Advances in Neural Information Processing Systems 34 (2021): 10234-10245
HealthSLM-Bench：面向移动与可穿戴医疗监护的小型语言模型基准测试
机构 * School of Computing and Information Systems, University of Melbourne, Australia（墨尔本大学计算机与信息系统学院） ； School of Computer Science, University of Auckland, New Zealand（奥克兰大学计算机科学学院）
AI总结 本研究构建HealthSLM-Bench基准，评估小型语言模型（SLMs）在医疗预测任务的表现，发现SLMs性能接近大型语言模型且效率、隐私性更优，为隐私保护型医疗监护提供新方向。
Comments 9 pages, 6 tables, 6 figures. Accepted at NeurIPS 2025 Workshop on GenAI4Health
语言模型的物理：第4.1部分，架构设计与Canon层的魔力
AI总结 本研究提出Canon层，通过轻量级架构组件提升语言模型的推理深度和广度，验证了其在不同架构中的有效性，并展示了其在学术预训练中的潜力。
Comments V1.1 appeared in NeurIPS 2025 main conference; V2 adds GDN experiments, tightens others for a stronger, fairer comparison, and reorganizes sections; V3 adds Result 2.1 and Section 5.2 on how Canon layers improve hierarchical feature learning, from our Jan 2026 talk
Re-FORC：用于高效思维链推理的自适应奖励预测
机构 * AWS Agentic AI（AWS智能代理部门） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究提出Re-FORC自适应奖励预测方法，通过在推理模型上训练轻量级适配器，实现早期停止无前景推理链、优化模型和思维长度选择以及自适应测试时缩放，有效提升推理效率和准确率。
Comments Accepted at ICML 2026; previously accepted as a non-archival paper at the Efficient Reasoning Workshop at NeurIPS 2025
迈向医学数据的视觉-语言基础模型：越南语PET/CT报告生成的多模态数据集和基准
机构 * AI4LIFE, Hanoi University of Science and Technology, Vietnam（AI4LIFE，河内科学技术大学，越南） ； Nagoya University, Japan（名古屋大学，日本） ； AIST, Japan（日本国家先进工业技术研究院） ； VinUniversity, Vietnam（文园大学，越南） ； NVIDIA, USA（NVIDIA，美国） ； Griffith University, Australia（格里菲斯大学，澳大利亚） ； Hanoi Medical University, Vietnam（河内医学院，越南） ； Military Central Hospital, Vietnam（越南108中央军医院）
AI总结 本文提出了一种面向越南语医学数据的多模态数据集和基准，旨在解决医学影像领域中PET/CT数据不足和低资源语言代表性不足的问题。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Track on Datasets and Benchmarks
学习交朋友：引导大语言模型智能体形成新兴社会关系
机构 * EPFL Lausanne, Switzerland（洛桑联邦理工学院） ； University of Technology Sydney（悉尼技术大学）
AI总结 研究LLM智能体能否再现人类在线行为社会动态及相关机制。提出多智能体LLM模拟框架，设计行为奖励函数，经实验发现引导后的智能体形成稳定互动与社会关系，为研究LLM群体集体动态建立测试平台。
Comments NeurIPS 2025 Workshop: Scaling Environments for Agents (SEA)
基于序列注意力的病理分析采样
机构 * Indian Institute of Science（印度科学院）
AI总结 SASHA通过基于序列注意力的深度强化学习方法，实现对高分辨率病理图像的高效分析，以较低的计算成本达到与现有方法相当的诊断性能。
Comments Accepted at NeurIPS 2025. This version matches the camera-ready copy
平坦性与梯度对齐都是必要的：面向多分布学习的频谱感知梯度对齐探索
机构 * Department of Informatics and Telematics（信息与电信系）
AI总结 本文提出SAGE方法，通过同时考虑损失景观的平坦性和梯度对齐性，改进多分布学习的泛化性能，实验表明其在DomainBed上达到新水平。
Comments Preprint - Submitted to NeurIPS 2026
一种用于降水现在预测的空间-时间转换器
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出SaTformer，一种基于空间-时间注意力的视频转换器，用于从卫星辐射预测极端降水，并在NeurIPS Weather4Cast 2025挑战中取得第一名。
Comments NeurIPS Weather4Cast Challenge 2025
受限在线资源分配中的效率、可行性和激励意识
AI总结 研究长期约束下不可分割资源给策略性主体的动态分配，提出激励感知原始对偶框架，整合组件抑制操纵，设计新算法克服障碍，实现$\tilde{\mathcal O}(\sqrt T)$社会福利遗憾，满足约束并诱导近似真实均衡，还能推广到多单位多需求问题。
Comments A preliminary version was accepted to NeurIPS 2025. This version includes extension to multi-unit resource allocation, expanded numerical simulation, extensively refind technical exposition, and enhanced literature review and positioning
用于分布外检测的核主成分分析：非线性核选择与近似
机构 * Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； China Mobile (Shanghai) Information and Communication Technology Co., Ltd.（中国移动（上海）信息技术有限公司） ； School of Computing, Macquarie University（麦考瑞大学计算机学院）
AI总结 研究针对深度神经网络分布外检测问题，利用核主成分分析框架，通过选择余弦 - 高斯核及近似技术，有效刻画分布外与分布内数据差异，提高检测功效和效率，为非线性特征子空间检测提供新见解与方法。
Comments This study is an extension of its conference version published in NeurIPS'24, see https://proceedings.neurips.cc/paper_files/paper/2024/hash/f2543511e5f4d4764857f9ad833a977d-Abstract-Conference.html
谱扩散过程
机构 * University of Oxford（牛津大学） ； ENS, CNRS, PSL University Paris（巴黎高等师范学院、国家科学研究中心、巴黎大学） ； University of Cambridge（剑桥大学）
AI总结 研究将扩散模型应用于函数空间上的随机过程，通过谱表示分离随机部分与时空结构，用有限维扩散模型建模谱系数，经截断确保模型有效性，投影回原空间对应相关噪声扩散模型，还展示了方法在多模态数据建模及条件采样上的有效性。
Comments This version (v3) extends the previous workshop version (v2) with conditional sampling and theoretical results. Work carried out in 2022/23. V2 appeared in Score-based Methods Workshop at the 36th Conference on Neural Information Processing Systems (NeurIPS 2022)
跨架构基板：现代视觉编码器的领域超越、校准存活的几何不变量
机构 * KAUST（阿卜杜拉国王科技大学）
AI总结 发现现代视觉编码器训练后前16个主方向收敛到同一16维几何对象（跨架构基板），该基板跨视觉领域传输、校准后仍存在，并应用于无标签迁移性过滤、领域检测、低样本探测和无教师蒸馏。
Comments 14 pages, 2 figures. 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
衡量AI完成长期软件任务的能力
机构 * Model Evaluation & Threat Research (METR)（模型评估与威胁研究（METR）） ； Ohm Chip ； Anthropic
AI总结 本文提出50%任务完成时间跨度指标，用于衡量AI在完成长期软件任务方面的能力，结果显示AI模型的时间跨度呈指数增长，预计5年后将能自动化许多人类月度完成的软件任务。
Comments v4: added Chris Painter as listed author, consistent with listing in the pdf
Journal ref NeurIPS 2025
神谕高效组合半带式赌博机
机构 * CREST, ENSAE, IP Paris（CREST、ENSAE、IP巴黎） ； FairPlay joint team（FairPlay联合团队） ； London School of Economics（伦敦经济学院） ； Seoul National University（首尔国立大学）
AI总结 研究组合半带式赌博机问题，提出神谕高效框架，减少神谕调用次数，在最坏情况线性奖励设置下，算法用较少神谕查询达低遗憾值，还有协方差自适应算法及扩展到非线性奖励，降低神谕使用时间并获理论保证。
Comments NeurIPS 2025
用于高效测试时训练的异步感知机
机构 * Centre for Research in Computer Vision（计算机视觉研究中心） ； University of Central Florida（中央佛罗里达大学）
AI总结 本文提出计算高效的异步感知机APM用于测试时训练，无需特定数据集预训练等即可识别分布外图像，与现有方法性能相当，还具有独特学习属性及超越TTT的应用，为验证GLOM见解提供证据，助力共享硬件实现插值和感知。
Comments NeurIPS 2024
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