Loading...
确保安全性对于强化学习（RL）的实际部署至关重要。必须解决各类挑战，例如处理环境中的随机性、提供持续状态级安全满足的严格保障，以及避免牺牲性能的过度保守行为。我们提出一种新框架——安全策略优化可达性估计（RESPO），适用于一般随机场景下的安全约束强化学习。在存在无违规策略的可行集中，我们在维持持续安全的同时优化奖励；在可行集之外，我们的优化通过保证在可能情况下以最小累积折扣违规成本进入可行集，从而产生最安全的行为。
2025_NIPS_AVeriTeC: A Dataset for Real-world Claim Verification with Evidence from the Web
现有自动事实核查数据集存在诸多显著局限，例如依赖人工构造的声明、缺乏证据与中间推理过程的标注，或包含声明发布后才出现的证据。本文提出AVERITEC，一个包含4568条真实世界声明的新数据集，这些声明覆盖了50个不同机构的事实核查结果。每条声明均标注了由网络可用证据支持的问答对，以及解释证据如何组合形成结论的文本理由。通过多轮标注流程，我们避免了上下文依赖、证据不足和时间泄露等常见问题，并在结论标注上达成了显著的标注者间一致性（κ=0.619）。
2025_NIPS_Semantic HELM: A Human-Readable Memory for Reinforcement Learning
强化学习智能体在现实世界中部署时，往往需要应对部分可观测的环境。因此，大多数智能体都会采用记忆机制来逼近环境状态。近年来，在掌握部分可观测环境方面出现了令人瞩目的成功案例，主要集中在《Dota2》《星际争霸2》或《我的世界》等电脑游戏领域。然而，现有方法缺乏可解释性——人类无法理解智能体在其记忆中存储了什么信息。对此，我们提出了一种新颖的记忆机制，该机制以人类语言表示过去的事件。
OpenSeeker-v2: Pushing the Limits of Search Agents with Informative and High-Difficulty Trajectories
深度搜索能力已成为前沿大语言模型智能体不可或缺的核心能力，但其研发长期被工业巨头主导。工业界主流方案依赖高资源消耗的全流程：预训练、持续预训练（CPT）、监督微调（SFT）与强化学习（RL）。本文表明，在信息丰富、高难度的轨迹数据驱动下，简单的SFT方法即可训练出极具竞争力的前沿搜索智能体。我们通过三项简单的数据合成改进：扩大知识图谱规模以提升探索丰富度、扩充工具集以覆盖更广泛功能、严格低步数过滤，构建更强基线。
ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration
本文介绍了Aris（基于对抗式多智能体协作的自主研究系统），一款面向机器学习自主研究的开源科研调度框架，涵盖其架构设计、保障机制与早期部署实践。基于大语言模型的智能体系统性能不仅取决于模型权重，更依赖其外围调度框架——即负责信息存储、检索与呈现的系统逻辑。在长周期科研流程中，核心失效模式并非显性崩溃，而是看似合理却无充分证据支撑的伪成功：长期运行的智能体可能生成证据不完整、报告失真或隐含执行端预设偏差的结论。为此，本文提出Aris框架，以跨模型对抗协作。
2025_NIPS_What Drives Paper Acceptance? A Process-Centric Analysis of Modern Peer Review
同行评审是评估学术贡献的核心机制，但以往研究大多孤立考察论文特征或外部元数据。OpenReview等开放平台的出现将同行评审转变为透明化、交互式流程，不仅记录分数与评语，还留存反驳意见、作者-评审互动、评审分歧及领域主席仲裁结果，为理解现代同行评审运行机制提供了前所未有的全过程数据。
2025_NIPS_Generating Images with Multimodal Language Models
我们提出了一种将冻结的纯文本大型语言模型（LLM）与预训练图像编码器和解码器模型融合的方法，通过在它们的嵌入空间之间建立映射实现这一目标。该模型展现出广泛的多模态能力：图像检索、新图像生成和多模态对话。我们的方法是首个能够基于任意交错的图像和文本输入，生成连贯图像（和文本）输出的方案。为了在图像生成任务上实现优异性能，我们设计了一个高效的映射网络，将LLM与现成的文本到图像生成模型关联起来。该映射网络将文本的隐藏表示转换为视觉模型的嵌入空间，使我们能够利用LLM强大的文本表示能力实现视觉输出。
2025_NIPS_Meta-Adapter: An Online Few-shot Learner for Vision-Language Model
对比视觉-语言预训练模型（即CLIP）在感知开放世界视觉概念方面展现出显著潜力，能够实现高效的零样本图像识别。然而，基于CLIP的少样本学习方法通常需要在少样本样本上对参数进行离线微调，导致推理时间延长，且在特定领域存在过拟合风险。为解决这些挑战，我们提出了Meta-Adapter——一种轻量级残差风格适配器，能够在在线模式下利用少样本样本引导CLIP特征的精炼。通过少量训练样本，我们的方法可赋予模型有效的少样本学习能力，且无需额外微调即可泛化到未见过的数据或任务，实现了具有竞争力的性能和高效率。
2025_NIPS_A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space
Transformer是应用广泛的深度学习架构。现有Transformer主要设计用于序列（文本或时间序列）、图像或视频以及图数据。本文提出一种新颖的Transformer模型，适用于连续空间中大规模（多达一百万）点样本。此类数据在环境科学（如传感器观测）、数值模拟（如含颗粒流、天体物理学）和基于位置的服务（如兴趣点和轨迹）中普遍存在。
2025_NIPS_MEMTO: Memory-guided Transformer for Multivariate Time Series Anomaly Detection
在现实世界的多元时间序列数据中检测异常具有挑战性，这源于复杂的时间依赖关系和变量间相关性。近年来，基于重建的深度模型已被广泛用于解决该问题，但这些方法仍存在过泛化问题，无法持续交付高性能。为解决这一问题，我们提出了MEMTO——一种基于重建方法的记忆引导Transformer。该模型引入了一种新颖的记忆模块，能够学习每个记忆项应如何根据输入数据调整更新程度。为稳定训练过程，我们采用两阶段训练范式，通过K-means聚类初始化记忆项。
2025_NIPS_Discovering Hierarchical Achievements in Reinforcement Learning via Contrastive Learning
在程序性生成环境中发现具有分层结构的成就是一项重大挑战。这要求智能体具备多种能力，包括泛化能力和长期推理能力。许多现有方法基于模型或分层架构构建，认为用于长期规划的显式模块有利于学习分层依赖关系。然而，这些方法需要过多的环境交互次数或庞大的模型规模，限制了其实际应用价值。在本研究中，我们证明了近端策略优化（PPO）——一种简单但通用的模型无关算法——在采用最新实现方案进行优化后，性能优于以往方法。此外，我们发现PPO智能体能够在一定程度上预测下一个待解锁的成就，尽管置信度有限。
2025_NIPS_TART: A plug-and-play Transformer module for task-agnostic reasoning
大语言模型（LLMs）具备上下文学习能力，无需任何任务特定训练即可完成多种任务。相比之下，微调等传统适配方法需为每个特定任务修改底层模型。然而，即便提供相同示例，上下文学习的性能也始终落后于任务特定微调方法。尽管大多数现有方法（如提示工程）专注于通过LLM的习得表征来缩小这一性能差距，但我们的实验表明，LLM的表征已包含足够做出良好预测的信息。因此，我们将重点放在LLM的推理能力上，并证明这种性能差距源于其无法完成简单的概率推理任务。这引发了一个有趣的问题：LLMs是否真的能够以任务无关的方式学习推理？
2025_NIPS_Textually Pretrained Speech Language Models
语音语言模型（SpeechLMs）仅处理和生成声学数据，无需文本监督。在本文中，我们提出TWIST方法，该方法利用预训练文本语言模型的热启动来训练SpeechLMs。通过自动评估和人类评估，我们证明TWIST在各方面均优于冷启动的SpeechLMs。我们实证分析了不同模型设计选择（如语音分词器、预训练文本模型和数据集规模）的影响，发现模型规模和数据集规模在构建性能更优的SpeechLMs中均发挥着重要作用。基于我们的观察，我们提出了（据我们所知）在参数数量和训练数据方面均最大的SpeechLM。
2025_NIPS_SatLM: Satisfiability-Aided Language Models Using Declarative Prompting
本文提出可满足性辅助语言模型（SATLM），通过声明式提示将自然语言推理问题转化为逻辑公式形式的可满足性（SAT）问题，再借助自动化定理证明器（如Z3SMT求解器）推导答案。该方法拆分推理任务为“解析-规划-执行”三步，仅让大语言模型（LLM）负责解析自然语言到声明式规范，将规划和执行交给SAT求解器，解决了传统链式思维（CoT）和程序辅助语言模型（PROGLM）在复杂约束推理中存在的规划错误和执行错误问题。
2025_NIPS_Provably Safe Reinforcement Learning with Step-wise Violation Constraints
我们研究了一种带逐步违规约束的新型安全强化学习问题。该问题与现有研究的区别在于：我们聚焦更严格的逐步违规约束，且不假设安全动作的存在。这一建模方式更适用于需在所有决策步骤保证安全、但未必始终存在安全动作的安全关键应用（如机器人控制和自动驾驶）。我们提出高效算法SUCBVI，其逐步违规可保证为OSTOST或依赖间隙的OSCgapS2AH2OSCgapS2AH2，遗憾为OH3SATOH3SAT。
2025_NIPS_Loss Dynamics of Temporal Difference Reinforcement Learning
该研究聚焦时序差分（TD）强化学习的学习动态，针对线性函数近似场景，引入统计物理概念（高斯等价假设、路径积分方法等），建立了高维渐近极限下的学习曲线理论。核心发现包括：随机半梯度噪声会导致价值误差出现显著平台期，且平台期受特征结构、学习率、折扣因子、奖励函数等参数影响；通过学习率退火和奖励塑形策略可优化学习动态；任务-特征对齐度、批量大小等因素会调控收敛速度。
2025_NIPS_Statistical Knowledge Assessment for Large Language Models
针对事实类问题的不同提示，大型语言模型（LLM）能否稳定生成事实正确的答案？现有LLM可能针对不同提示生成截然不同的响应。本文旨在研究量化LLM中蕴含的特定事实集合相关知识的问题，提出一种用于评估LLM事实知识的统计方法KaRR。其核心思想是估算：在给定主题和查询关系的多样提示下，LLM生成与答案实体对应的文本的概率，与随机生成该文本的概率之比。我们的评估套件包含994,123个实体、600种关系以及1,395,905个文本别名，规模全面。
2025_NIPS_A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect Dataset
为编目昆虫生物多样性，我们提出了一个新的大规模人工标注昆虫图像数据集——BIOSCAN-1M昆虫数据集。每条记录均由专家进行分类学归类，并附带相关遗传信息，包括原始核苷酸条形码序列和分配的条形码索引编号（BIN），后者是基于遗传特征的物种分类替代标识。本文呈现的这个经过精心整理的百万级图像数据集，主要用于训练能够提供基于图像的分类学评估的计算机视觉模型。此外，该数据集还具备诸多引人关注的特性，其相关研究将对更广泛的机器学习领域具有重要意义。受数据集固有生物特性的驱动，它呈现出典型的长尾类别不平衡分布。
2025_NIPS_Large Language Models Are Semi-Parametric Reinforcement Learning Agents
受认知科学中关于人类记忆与推理机制的见解启发，本文提出了一种新颖的可进化大语言模型（LLM）智能体框架REMEMBERER。通过为大语言模型配备长期经验记忆，REMEMBERER能够利用过往场景中的经验，即便面对不同的任务目标，也优于那些仅配备固定示例或瞬时工作记忆的大语言模型智能体。我们进一步引入带经验记忆的强化学习（RLEM）来更新记忆，因此整个系统能够从成功和失败的经验中学习，且无需微调大语言模型的参数即可进化其能力。由此，所提出的REMEMBERER构成了一种半参数化强化学习智能体。
2025_NIPS_ContiFormer: Continuous-Time Transformer for Irregular Time Series Modeling
对不规则时间序列进行连续时间动力学建模，对于解释数据的演化过程及持续存在的相关性至关重要。包括循环神经网络或Transformer在内的传统方法，通过强大的神经架构利用归纳偏置来捕捉复杂模式。然而，由于其离散特性，这些方法在泛化到连续时间数据范式时存在局限性。尽管神经常微分方程（NeuralODEs）及其变体在处理不规则时间序列方面已展现出良好前景，但它们往往难以捕捉序列内部复杂的相关性。同时建模输入数据点之间的关系与连续时间系统的动态变化，是一项具有挑战性且亟待解决的任务。
