Northeastern University（东北大学）

Tiny, Hardware-Independent, Compression-based Classification

微型、硬件无关、基于压缩的分类

Charles Meyers, Aaron MacSween, Erik Elmroth, Tommy Löfstedt

机构 * Institute for Experiential AI, Northeastern University, Boston, United States（体验人工智能研究所，东北大学，波士顿，美国） ； Department of Computer Science, Umeå University, Umeå, Sweden（计算机科学系，乌梅拉大学，乌梅拉，瑞典） 纠错

AI总结 本文提出基于压缩的距离度量方法，用于在客户端设备上高效进行分类，实现高准确率的同时降低计算成本。

SAHOO: Safeguarded Alignment for High-Order Optimization Objectives in Recursive Self-Improvement

SAHOO：递归自我改进中高阶优化目标的安全保障

Subramanyam Sahoo, Aman Chadha, Vinija Jain, Divya Chaudhary

机构 * MARS 4.0 Fellowship, Cambridge AI Safety Hub(CAISH), University of Cambridge（剑桥大学） ； AWS Generative AI Innovation Center, Amazon Web Services, USA（亚马逊网络服务） ； Google, USA（谷歌） ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学） 纠错

AI总结 SAHOO通过三种保障措施实现递归自我改进中高阶优化目标的安全保障，显著提升代码生成和推理质量，同时保持约束和事实性。

Comments Published at ICLR 2026 Workshop on AI with Recursive Self-Improvement. 20 pages, 5 figures

Dynamic Momentum Recalibration in Online Gradient Learning

在线梯度学习中的动态动量重校准

Zhipeng Yao, Rui Yu, Guisong Chang, Ying Li, Yu Zhang, Dazhou Li

机构 * Shenyang University of Chemical Technology（沈阳化工大学） ； University of Louisville（路易斯维尔大学） ； Northeastern University（东北大学） 纠错

AI总结 SGDF通过动态调整动量系数优化梯度估计，提升深度学习优化性能。

Comments Accepted by CVPR 2026

Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation

从权重空间到记忆空间的迁移适应：一种用于医学图像分割的记忆增强代理

Bowen Chen, Qiaohui Gao, Shaowen Wan, Shanhui Sun, Wei Liu, Xiang Li, Tianming Liu, Lin Zhao

机构 * Department of Electrical and Computer Engineering, University of California, Santa Barbara, Santa Barbara, CA 93106, USA（电子工程系，加州大学圣芭芭拉分校） ； College of Engineering, Northeastern University, Boston, MA 02115, USA（工程学院，东北大学） ； Department of Biomedical Engineering, New Jersey Institute of Technology, Newark, NJ 07102, USA（生物医学工程系，新泽西理工学院） ； United Imaging Intelligence, Burlington, MA 01803, USA（联合影像智能公司） ； Department of Radiation Oncology, Mayo Clinic, Scottsdale, AZ 85259, USA（放射肿瘤科，梅奥诊所） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02115, USA（放射科，麻省总医院和哈佛医学院） ； School of Computing, University of Georgia, Athens, GA 30602, USA（计算学院，佐治亚大学） 纠错

AI总结 本文提出MemSeg-Agent，通过将适应从权重空间转移到记忆空间，实现少样本学习、联邦监督学习和测试时间适应，提升医学图像分割的泛化能力和效率。

Ambiguity Collapse by LLMs: A Taxonomy of Epistemic Risks

LLMs中的模糊性消解：一种认知风险的分类

Shira Gur-Arieh, Angelina Wang, Sina Fazelpour

机构 * Harvard University（哈佛大学） ； Northeastern University（东北大学） 纠错

AI总结 本文探讨了LLMs在处理模糊术语时引发的认知风险，提出模糊性消解现象，并通过案例研究分析其在过程、输出和生态系统层面的影响，提出多层缓解原则以管理模糊性。

Dependent Reachable Sets for the Constant Bearing Pursuit Strategy

常值方位追捕策略下的依赖可达集

Venkata Ramana Makkapati, Tulasi Ram Vechalapu, Vinodhini Comandur, Seth Hutchinson

机构 * Honda Aircraft Company（本田飞机公司） ； Technion - Israel Institute of Technology（技术ion-以色列理工学院） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； Northeastern University（东北大学） 纠错

AI总结 本文提出了一种基于常值方位追捕策略的依赖可达集分析方法，通过理论结果和仿真验证，探讨了两个智能体在反馈策略下的可达性边界问题。

Comments This work has been submitted to a journal for possible publication

Fuse4Seg: Image Fusion for Multi-Modal Medical Segmentation via Bi-level Optimization

Fuse4Seg: 多模态医学分割的图像融合 via 两级优化

Yuchen Guo, Junli Gong, Hongmin Cai, Yiu-ming Cheung, Weifeng Su

机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学） 纠错

AI总结 Fuse4Seg通过两级优化实现多模态医学图像融合，解决视觉与语义间的差距问题，提升分割任务的准确性和临床可解释性。