← NeurIPS 各届
NeurIPS 2026· Neural Information Processing Systems
NeurIPS 2026
亮点精读
5 篇 · 获奖 / oral / 高引📈 52 引用
Latent Matters: Learning Deep State-Space Models
提出学习深度状态空间模型时潜在变量设计的关键原则，显著提升性能。
💡 揭示了潜在变量设计对模型性能的决定性影响。
arXiv
📈 32 引用
The Complexity of Bayesian Network Learning: Revisiting the Superstructure
重新审视贝叶斯网络学习中的超结构复杂度，提出更紧的上下界。
💡 揭示超结构对学习效率的根本限制。
arXiv
📈 29 引用
SlowFocus: Enhancing Fine-grained Temporal Understanding in Video LLM
提出SlowFocus机制，通过多时间粒度特征融合提升视频大模型对细粒度时序的理解。
💡 解决了视频大模型难以捕捉细微动作变化的关键问题。
arXiv
📈 13 引用
Planning in entropy-regularized Markov decision processes and games
提出熵正则化MDP和博弈中的高效规划算法，统一了相关理论。
💡 为复杂决策问题提供统一高效解法。
arXiv
📈 2 引用
Pack only the essentials: Adaptive dictionary learning for kernel ridge regression
提出自适应字典学习，为核岭回归选择最少数量的关键数据点。
💡 大幅降低计算成本，保持预测精度。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点