NeurIPS 2025汇聚了机器学习与神经计算领域的前沿突破，这里为你精炼总结15篇优秀论文，涵盖获奖佳作与热门话题，助你快速抓住核心洞见。| 帖子 | #机器学习
1. 【Faster R-CNN：实时目标检测新里程碑】
引入区域提议网络（RPN），共享卷积特征实现近乎无额外计算的候选框生成，助力Fast R-CNN以5fps速度高效检测，荣获Test of Time奖。
2. 【人工蜂群效应：语言模型的同质化困境】
发布大规模开放式提示集Infinity-Chat，揭示LLM生成答案高度趋同的“人工蜂群”现象，深入分析输出多样性崩塌及人类偏好差异。
3. 【转导在线学习的最优错误界限】
解决30年悬案，精确量化未标记数据在在线学习中的价值，建立转导学习对比传统方法的平方级优势，理论与实践紧密匹配。
4. 【大语言模型的门控注意力机制】
首次系统探究门控对软max注意力的影响，简单的头部Sigmoid门控显著提升性能与训练稳定性，缓解注意力汇聚问题，增强长上下文能力。
5. 【叠加效应驱动稳健神经网络扩展】
通过控制叠加现象，揭示“模型越大损失越低”的神经扩展律根源，验证开源LLM及Chinchilla规模律的广泛适用性，揭示规模律何时失效。
6. 【扩散模型为何不陷入记忆过拟合】
发现训练中存在早期泛化与后期记忆两个时间尺度，数据集越大泛化窗口越宽，隐含动态正则化机制帮助避免过拟合。
7. 【强化学习是否真正激发LLM推理能力？】
批判性分析RLVR训练，指出其提升的是采样效率而非根本推理能力，模型推理边界受限于基础模型，强调需创新RL范式以释放潜力。
8. 【千层网络助力自监督强化学习】
将RL网络深度扩展至1024层，在无奖励无示范的目标驱动任务中，实现性能翻倍至50倍的飞跃，行为学习质的改变带来巨大进步。
9. 【Titans + MIRAS：赋予AI长期记忆】
提出Titans架构和MIRAS理论框架，结合深度MLP记忆和“惊讶度”机制，实现运行时动态更新核心记忆，突破百万级上下文规模限制。
10. 【基于扩散蒸馏与对抗校准的生成式数据增强】
DAR-GDA三阶段流水线：蒸馏高效单步生成器，对抗训练校准合成与真实分布差异，重要性重加权消除偏差，提升下游任务表现。
11. 【重尾RNN中的低维混沌渐进转变】
揭示具有脑部特征的重尾权重RNN在混沌边缘的动态不同于高斯权重，延展转变期同时降低系统有效维度，丰富神经动力学理解。
12. 【半监督多模型性能评估】
提出SSME方法，结合标记与未标记数据，通过预测与真实标签关系建模，显著提升数据匮乏时分类器性能估计的准确度。
13. 【黎曼一致性生成模型】
扩展一致性模型至曲率空间，利用指数映射与协变导数实现流形上少步生成，适用于球面、环面与3D旋转等复杂几何结构。
14. 【BioReason：DNA-LLM中的多模态生物推理】
将基因组模型与LLM结合，实现对基因数据的生物学推理，提升路径和变异预测准确率，推动生物信息学与语言模型融合。
15. 【NFL-BA：动态光照下的近场光束调整SLAM】
引入近场光照建模SLAM损失，大幅提升内窥镜及暗室环境下相机定位与地图构建精度，突破动态光照挑战。
1. 【Faster R-CNN：实时目标检测新里程碑】
引入区域提议网络（RPN），共享卷积特征实现近乎无额外计算的候选框生成，助力Fast R-CNN以5fps速度高效检测，荣获Test of Time奖。
2. 【人工蜂群效应：语言模型的同质化困境】
发布大规模开放式提示集Infinity-Chat，揭示LLM生成答案高度趋同的“人工蜂群”现象，深入分析输出多样性崩塌及人类偏好差异。
3. 【转导在线学习的最优错误界限】
解决30年悬案，精确量化未标记数据在在线学习中的价值，建立转导学习对比传统方法的平方级优势，理论与实践紧密匹配。
4. 【大语言模型的门控注意力机制】
首次系统探究门控对软max注意力的影响，简单的头部Sigmoid门控显著提升性能与训练稳定性，缓解注意力汇聚问题，增强长上下文能力。
5. 【叠加效应驱动稳健神经网络扩展】
通过控制叠加现象，揭示“模型越大损失越低”的神经扩展律根源，验证开源LLM及Chinchilla规模律的广泛适用性，揭示规模律何时失效。
6. 【扩散模型为何不陷入记忆过拟合】
发现训练中存在早期泛化与后期记忆两个时间尺度，数据集越大泛化窗口越宽，隐含动态正则化机制帮助避免过拟合。
7. 【强化学习是否真正激发LLM推理能力？】
批判性分析RLVR训练，指出其提升的是采样效率而非根本推理能力，模型推理边界受限于基础模型，强调需创新RL范式以释放潜力。
8. 【千层网络助力自监督强化学习】
将RL网络深度扩展至1024层，在无奖励无示范的目标驱动任务中，实现性能翻倍至50倍的飞跃，行为学习质的改变带来巨大进步。
9. 【Titans + MIRAS：赋予AI长期记忆】
提出Titans架构和MIRAS理论框架，结合深度MLP记忆和“惊讶度”机制，实现运行时动态更新核心记忆，突破百万级上下文规模限制。
10. 【基于扩散蒸馏与对抗校准的生成式数据增强】
DAR-GDA三阶段流水线：蒸馏高效单步生成器，对抗训练校准合成与真实分布差异，重要性重加权消除偏差，提升下游任务表现。
11. 【重尾RNN中的低维混沌渐进转变】
揭示具有脑部特征的重尾权重RNN在混沌边缘的动态不同于高斯权重，延展转变期同时降低系统有效维度，丰富神经动力学理解。
12. 【半监督多模型性能评估】
提出SSME方法，结合标记与未标记数据，通过预测与真实标签关系建模，显著提升数据匮乏时分类器性能估计的准确度。
13. 【黎曼一致性生成模型】
扩展一致性模型至曲率空间，利用指数映射与协变导数实现流形上少步生成，适用于球面、环面与3D旋转等复杂几何结构。
14. 【BioReason：DNA-LLM中的多模态生物推理】
将基因组模型与LLM结合，实现对基因数据的生物学推理，提升路径和变异预测准确率，推动生物信息学与语言模型融合。
15. 【NFL-BA：动态光照下的近场光束调整SLAM】
引入近场光照建模SLAM损失，大幅提升内窥镜及暗室环境下相机定位与地图构建精度，突破动态光照挑战。
