Northeastern University（东北大学）

"Taking Stock at FAccT": Using Participatory Design to Co-Create a Vision for the Fairness, Accountability and Transparency Community

在FAccT上盘点：通过参与式设计共同塑造公平、问责与透明社区的愿景

Shiran Dudy, Jan Simson, Yanan Long

机构 * Northeastern University Boston United States ； Munich Center for Machine Learning (MCML) Munich Germany ； University of Mannheim Mannheim Germany ； StickFlux Labs \& University of Chicago United States ； Northeastern University ； Munich Center for Machine Learning (MCML) ； University of Mannheim ； StickFlux Labs \& University of Chicago 纠错

AI总结 本文通过参与式设计方法，为FAccT论坛的治理提出反思性框架，展示了如何通过集体参与制定议程，促进对AI社会影响的批判性讨论，并推动大规模参与式设计理论的发展。

Comments Accepted at FAccT 2026, 27 pages, 9 figures

One-Shot Cross-Geometry Skill Transfer through Part Decomposition

通过部件分解实现一次-shot跨几何技能转移

Skye Thompson, Ondrej Biza, George Konidaris

机构 * Brown University（布朗大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出通过分解对象为语义部件来提升技能迁移，利用高效生成形状模型准确转移交互点，并自主优化对齐，实现更广泛几何范围的一次-shot迁移。

Comments ICRA 2026

Transfer Learning from Foundational Optimization Embeddings to Unsupervised SAT Representations

从基础优化嵌入到无监督SAT表示的迁移学习

Koyena Pal, Serdar Kadioglu

机构 * AI Center of Excellence, Fidelity Investments, USA（Fidelity Investments人工智能卓越中心，美国） ； Khoury College of Computer Sciences, Northeastern University, USA（东北大学科里学院计算机科学系，美国） ； Department of Computer Science, Brown University, USA（布朗大学计算机科学系，美国） 纠错

AI总结 本文研究基础优化嵌入在布尔可满足性问题中的泛化能力，通过映射CNF公式到约束-变量图表示，实现无监督任务如实例聚类和分布识别。

CoMeT: Collaborative Memory Transformer for Efficient Long Context Modeling

CoMeT：用于高效长上下文建模的协作记忆变换器

Runsong Zhao, Shilei Liu, Jiwei Tang, Langming Liu, Haibin Chen, Weidong Zhang, Yujin Yuan, Tong Xiao, Jingbo Zhu, Wenbo Su, Bo Zheng

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院） ； Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） 纠错

AI总结 CoMeT通过双内存系统和层级流水线并行策略，实现长上下文处理的常数内存和线性时间复杂度，有效提升模型性能。

Comments ACL 2026 main