Northeastern University（东北大学）

BrainSTR: Spatio-Temporal Contrastive Learning for Interpretable Dynamic Brain Network Modeling

BrainSTR: 基于时空对比学习的可解释动态脑网络建模

Guiliang Guo, Guangqi Wen, Lingwen Liu, Ruoxian Song, Peng Cao, Jinzhu Yang, Fei Wang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，中国沈阳） ； School of Computer Science and Artificial Intelligence, Shandong Normal University, Jinan, China（山东师范大学计算机科学与人工智能学院，中国济南） ； Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, Fukuoka, Japan（早稻田大学信息、生产与系统研究生院，日本北九州市福冈） ； Nanjing Medical University, Nanjing, China（南京医学院，中国南京） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究公司AiShiWeiLai，中国北京） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学Amii研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

AI总结 BrainSTR通过时空对比学习方法，提升动态脑网络建模的可解释性，通过关键相识别和疾病相关连接提取，验证了其在ASD、BD和MDD诊断中的有效性。

Learning the Hierarchical Organization in Brain Network for Brain Disorder Diagnosis

学习脑网络的层次组织以用于脑部疾病诊断

Jingfeng Tang, Peng Cao, Guangqi Wen, Jinzhu Yang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，中国沈阳） ； School of Computer Science and Artificial Intelligence, Shandong Normal University, Jinan, China（山东师范大学计算机科学与人工智能学院，中国济南） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究机构，中国北京） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学人工智能研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

AI总结 本文提出BrainHO方法，通过学习脑网络的内在层次结构，提升脑部疾病诊断的准确性并发现具有临床意义的生物标志物。

The Reasoning Trap -- Logical Reasoning as a Mechanistic Pathway to Situational Awareness

推理陷阱——逻辑推理作为情境意识的机制路径

Subramanyam Sahoo, Aman Chadha, Vinija Jain, Divya Chaudhary

机构 * MARS 4.0 Fellowship, Cambridge AI Safety Hub(CAISH), University of Cambridge（MARS 4.0 Fellow，剑桥人工智能安全中心（CAISH），剑桥大学） ； AWS Generative AI Innovation Center, Amazon Web Services, USA（亚马逊生成AI创新中心，亚马逊网络服务，美国） ； Google, USA（谷歌，美国） ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学，西雅图，华盛顿州，美国） 纠错

AI总结 本文提出RAISE框架，揭示逻辑推理能力提升与情境意识升级的机制路径，并提出安全原则与测试方法以应对潜在风险。

Comments Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models. 21 Pages. Position Paper

PM-Nav: Priori-Map Guided Embodied Navigation in Functional Buildings

PM-Nav：基于先验图的功能性建筑中具身导航

Jiang Gao, Xiangyu Dong, Haozhou Li, Haoran Zhao, Yaoming Zhou, Xiaoguang Ma

机构 * Faculty of Robot Science and Engineering at Northeastern University（东北大学机器人科学与工程学院） ； Foshan Graduate School of Innovation at Northeastern University（东北大学佛山创新研究生学院） ； School of Aeronautic Science and Engineering at Beihang University（北航航空科学与工程学院） 纠错

AI总结 PM-Nav通过构建先验图和多模型协作机制，提升了功能性建筑中的导航精度和效率。

Comments 6 pages, 4 figures

Latent Generative Models with Tunable Complexity for Compressed Sensing and other Inverse Problems

具有可调复杂度的潜在生成模型用于压缩感知及其他反问题

Sean Gunn, Jorio Cocola, Oliver De Candido, Vaggos Chatziafratis, Paul Hand

机构 * Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Technical University of Munich（慕尼黑技术大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

AI总结 本文提出可调复杂度生成模型，用于提升压缩感知等反问题的重建性能，并通过理论分析和实验验证其有效性。

Discovering Symbolic Differential Equations with Symmetry Invariants

利用对称不变量发现符号微分方程

Jianke Yang, Manu Bhat, Bryan Hu, Yadi Cao, Nima Dehmamy, Robin Walters, Rose Yu

机构 * University of California, San Diego（加州大学圣迭戈分校） ； IBM Research（IBM研究院） ； Northeastern University（东北大学） 纠错

AI总结 本文提出利用对称不变量提升微分方程发现的准确性与效率，通过物理系统验证其能恢复符合物理定律的简洁方程。