Northeastern University（东北大学）

Diffusion-DRF: Free, Rich, and Differentiable Reward for Video Diffusion Fine-Tuning

Diffusion-DRF：免费、丰富且可微的奖励用于视频扩散微调

Yifan Wang, Yanyu Li, Gordon Guocheng Qian, Sergey Tulyakov, Yun Fu, Anil Kag

机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司） 纠错

AI总结 本文提出Diffusion-DRF框架，通过多维问题和密集VQA解释查询生成丰富反馈，实现稳定奖励微调，无需偏好数据集。

Comments Webpage: https://snap-research.github.io/diffusion-drf/

REFORGE: Multi-modal Attacks Reveal Vulnerable Concept Unlearning in Image Generation Models

REFORGE：多模态攻击揭示图像生成模型中的脆弱概念反向学习

Yong Zou, Haoran Li, Fanxiao Li, Shenyang Wei, Yunyun Dong, Li Tang, Wei Zhou, Renyang Liu

机构 * Yunnan University（云南大学） ； Northeastern University（东北大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 REFORGE通过对抗性图像提示评估图像生成模型反向学习的鲁棒性，揭示现有方法的持续漏洞，提出更高效的多模态对抗攻击策略。

Comments Accepted by ICME 2026

On the Emotion Understanding of Synthesized Speech

合成语音情感理解研究

Yuan Ge, Haishu Zhao, Aokai Hao, Junxiang Zhang, Bei Li, Xiaoqian Liu, Chenglong Wang, Jianjin Wang, Bingsen Zhou, Bingyu Liu, Jingbo Zhu, Zhengtao Yu, Tong Xiao

机构 * Northeastern University, China（东北大学） ； Meituan（美团） ； NiuTrans Research（NiuTrans研究院） ； Kunming University of Science and Technology（昆明理工大学） 纠错

AI总结 本文系统评估了合成语音上情感识别模型的泛化能力，发现现有模型因合成过程中的语音token预测导致表示不匹配，无法有效捕捉情感特征，且生成式语音模型易忽略非语言线索。

DermaFlux: Synthetic Skin Lesion Generation with Rectified Flows for Enhanced Image Classification

DermaFlux：基于修正流的合成皮肤病变生成用于增强图像分类

Stathis Galanakis, Alexandros Koliousis, Stefanos Zafeiriou

机构 * Imperial College London, UK（伦敦帝国理工学院） ； Northeastern University London, UK（伦敦东北大学） 纠错

AI总结 DermaFlux通过生成临床相关的皮肤病变图像，提升二分类性能，实验表明其在小数据集上提升6%，在合成数据上提升9%。

Offline Exploration-Aware Fine-Tuning for Long-Chain Mathematical Reasoning

离线探索感知微调用于长链数学推理

Yongyu Mu, Jiali Zeng, Fandong Meng, JingBo Zhu, Tong Xiao

机构 * NLP Lab, School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院自然语言处理实验室，中国沈阳） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯公司微信人工智能部门模式识别中心，中国） 纠错

AI总结 本文提出OXA微调方法，通过优化两个目标提升数学推理能力，实验显示在六个基准测试中OXA相比传统SFT在Pass@1和Pass@$k$上平均提升6和5分。

Comments Working in process

When Generative Augmentation Hurts: A Benchmark Study of GAN and Diffusion Models for Bias Correction in AI Classification Systems

生成增强有害：GAN和扩散模型在AI分类系统中的偏见校正基准研究

Shesh Narayan Gupta, Nik Bear Brown

机构 * College of Engineering, Northeastern University（东北大学工程学院） 纠错

AI总结 本文通过对比三种增强策略，发现生成增强在低数据条件下会增加分类器偏见，Stable Diffusion结合LoRA表现最佳，揭示了GAN增强在特定样本量下的有害性。

Tau-BNO: Brain Neural Operator for Tau Transport Model

Tau-BNO：用于Tau传输模型的脑神经运算符

Nuutti Barron, Heng Rao, Urmi Saha, Yu Gu, Zhenghao Liu, Ge Yu, Defu Yang, Ashish Raj, Minghan Chen

机构 * Department of Radiology and Biomedical Imaging, University of California San Francisco, USA（加州大学旧金山分校放射学与生物医学成像系） ； College of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science, Hangzhou Normal University, China（杭州师范大学计算机科学系） ； Department of Computer Science, Wake Forest University, USA（威克森林大学计算机科学系） 纠错

AI总结 本文提出Tau-BNO，一种用于快速近似NTM动力学的脑神经运算符框架，能够捕捉区域内反应动力学和区域间网络传输，提升预测精度并加速复杂模型分析。