Northeastern University（东北大学）

Online Learning and Equilibrium Computation with Ranking Feedback

在线学习与排名反馈下的均衡计算

Mingyang Liu, Yongshan Chen, Zhiyuan Fan, Gabriele Farina, Asuman Ozdaglar, Kaiqing Zhang

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Northeastern University（东北大学） 纠错

AI总结 本文研究了在仅获得动作排名反馈的在线学习模型，探讨了不同排名机制下的子线性遗憾算法，并在特定条件下实现近似粗相关均衡。

DaPT: A Dual-Path Framework for Multilingual Multi-hop Question Answering

DaPT：一种多语言多跳问答的双路径框架

Yilin Wang, Yuchun Fan, Jiaoyang Li, Ziming Zhu, Yongyu Mu, Qiaozhi He, Tong Xiao, Jingbo Zhu

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； NiuTrans Research, Shenyang, China（牛译科研） 纠错

AI总结 本文提出DaPT框架，通过构建多语言多跳问答基准并采用双语检索与回答策略，解决多语言多跳问答中的基准缺失和语义依赖问题，实验表明其在MuSiQue基准上平均EM得分提升18.3%。

Comments Accepted by ICASSP 2026

A conceptual framework for ideology beyond the left and right

意识形态超越左右的观念框架

Kenneth Joseph, Kim Williams, David Lazer

机构 * University at Buffalo（布法罗大学） ； Portland State University（波特兰州立大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出一个多层级的社会认知概念网络框架，用于解释意识形态在话语中的表现，并揭示NLP任务与新研究方向的关联。

HORNet: Task-Guided Frame Selection for Video Question Answering with Vision-Language Models

HORNet：基于任务引导的帧选择用于视觉语言模型的视频问答

Xiangyu Bai, Bishoy Galoaa, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

AI总结 HORNet通过轻量级策略优化，显著减少视频输入帧数和VLM处理时间，同时提升问答质量与时间推理任务表现。

DynaRAG: Bridging Static and Dynamic Knowledge in Retrieval-Augmented Generation

DynaRAG：连接静态与动态知识的检索增强生成

Penghao Liang, Mengwei Yuan, Jianan Liu, Jing Yang, Xianyou Li, Weiran Yan, Yichao Wu

机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； New York University（纽约大学） 纠错

AI总结 DynaRAG通过动态知识整合处理静态和时效性信息需求，采用LLM重排器、充分性分类器和Gorilla v2模型提升回答准确性与鲁棒性。