近日，第39届神经信息处理系统大会（NeurIPS 2025）录用结果公示，论文中稿率24.52%。人工智能学院师生共有3篇论文被NeurIPS 2025录用。论文简要介绍如下：

【论文一】

论文题目：Enhancing Zero-Shot Black-Box Optimization via Pretrained Models with Efficient Population Modeling, Interaction, and Stable Gradient Approximation

论文作者：韩牧岐，李小彬，吴凯，张肖瑜，王晗丁

通讯作者：吴凯

论文概述：

零样本优化旨在不针对具体任务微调的情况下，实现对未见过的黑盒优化问题的泛化能力与性能提升。预训练优化模型（Pre-trained Optimization Models, POMs）通过学习从任务特征到优化策略的通用映射，在新任务上直接部署，从而应对这一挑战。

在本文中，作者指出决定POMs性能的三个关键因素：（1）任务特征建模，用于捕捉优化问题的结构特征；（2）优化策略表示，定义如何生成新的候选解；（3）任务特征到优化策略的映射机制，在预训练过程中学习。然而，现有的POMs往往面临任务特征表示能力不足、策略建模僵化以及训练不稳定等问题。

为克服这些缺陷，论文提出了EPOM，一种增强型预训练优化框架。EPOM通过交叉注意力丰富任务特征，通过deformable attention提升策略多样性，并通过可微分的交叉算子替代不可微操作以稳定训练。这些改进共同作用，使EPOM在零样本黑盒优化中展现出更强的泛化能力、更快的收敛速度以及更稳定可靠的性能。

【论文二】

论文题目：PANDA: Towards Generalist Video Anomaly Detection via Agentic AI Engineer

论文作者：杨智伟，高晨，寿政

通讯作者：高晨，寿政

论文概述：

视频异常检测是一项重要但极具挑战性的任务，其难点在于真实世界场景的复杂性和多样性。以往的方法通常依赖于特定领域的训练数据，并在应用于新场景和未见过的异常类型时需要大量人工干预，这不仅成本高昂，而且泛化能力有限。因此，本研究的目标是实现通用视频异常检测，即在无需额外训练数据和人工干预的情况下，能够自动适应任意场景和各类异常类型。在本工作中，提出了一种基于多模态大语言模型（MLLMs）的侦探式风格智能体——PANDA。具体而言，PANDA 通过设计并集成四个关键能力来实现：（1）自适应场景感知的策略规划；（2）目标驱动的启发式推理；（3）工具增强的自我反思机制；（4）自我提升的记忆链机制。在具体实现上，首先提出了一种自适应场景感知的 RAG 机制，使 PANDA 能够针对异常检测进行知识检索与策略规划；其次，引入潜在异常引导的启发式提示策略，以提升推理精度；随后，PANDA 结合渐进式反思机制与一系列上下文感知工具，在复杂场景中实现迭代式决策优化；最后，记忆链机制使其能够利用历史经验实现持续性能改进。大量实验结果表明，PANDA 在多场景、开放集和复杂场景等不同类型数据集上均取得了当前最优性能，且完全无需训练和人工干预，验证了其在视频异常检测任务中的强泛化性与鲁棒性。

【论文三】

论文题目： Towards Syn-to-Real IQA: A Novel Perspective onReshaping Synthetic Data Distributions

论文作者：李奥博，吴金建，刘永旭，李雷达，董伟生

通讯作者：吴金建

论文概述：

无参考图像质量评价（Blind Image Quality Assessment, BIQA）在深度学习的推动下取得了显著进展，但大规模标注数据集的稀缺仍然是一个挑战。尽管合成数据为此提供了颇具前景的解决方案，但在现有合成数据集上训练的模型往往泛化能力有限。本文的一个关键发现是：从合成数据集中学习到的特征表示通常呈现离散且聚集的模式，这严重阻碍了回归性能的提升。具体而言，高质量图像的特征倾向于围绕参考图像聚集，而低质量图像的特征则根据失真类型形成聚类。分析表明，这一问题的根源在于合成数据的分布特性，而非模型架构本身。针对这一问题， 本文提出了一种新的框架 SynDR-IQA，旨在通过重塑合成数据分布来增强 BIQA 的泛化能力。基于样本多样性和冗余性对泛化误差影响的理论推导，SynDR-IQA 采用了两种策略：1）分布感知的多样内容上采样，在保持内容分布的同时增强视觉多样性；2）密度感知的冗余聚类下采样，通过降低高密度聚集区域的样本密度来实现样本平衡。本文在三种跨数据集场景（合成失真到真实失真、合成失真到算法失真、合成失真到合成失真）下进行了广泛实验，结果充分验证了该方法的有效性。

神经信息处理系统大会（Neural Information Processing Systems，简称NeurIPS）与国际机器学习大会（ICML）、国际学习表征会议（ICLR）并称“机器学习三大顶会”。据悉，第39届NeurIPS会议将于2025年12月2日至7日在美国圣地亚哥和墨西哥城两地同步举行。