Northeastern University（东北大学）

RouteLMT: Learned Sample Routing for Hybrid LLM Translation Deployment

RouteLMT: 为混合LLM翻译部署设计的学得样本路由

Yingfeng Luo, Hongyu Liu, Dingyang Lin, Kaiyan Chang, Chenglong Wang, Bei Li, Quan Du, 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，中国沈阳） ； NiuTrans Research, Shenyang, China（牛译研究院，中国沈阳） 纠错

AI总结 本文提出RouteLMT，通过在模型内部预测大模型相对于小模型的边际增益，实现高效的样本路由，优于传统启发式和质量估计方法，达到更优的质量-预算帕累托前沿。

Comments Accepted to ACL 2026 Industry Track

SNGR: Selective Non-Gaussian Refinement for Ambiguous SLAM Factor Graphs

SNGR：针对模糊SLAM因子图的选择性非高斯细化

Anushka Kulkarni, Sarthak Dubey

机构 * Northeastern University, Boston, MA, USA（东北大学，波士顿，马萨诸塞州，美国） 纠错

AI总结 SNGR通过在高斯近似可能失效的窗口中进行定向嵌套采样，提升SLAM精度并降低计算成本，适用于范围仅SLAM中的错误数据关联问题。

EgoMAGIC- An Egocentric Video Field Medicine Dataset for Training Perception Algorithms

EgoMAGIC- 一种用于训练感知算法的自拍视频医学数据集

Brian VanVoorst, Nicholas Walczak, Christopher Gilleo, Charles Meissner, Fabio Felix, Iran Roman, Bea Steers, Claudio Silva, Yuhan Shen, Zijia Lu, Shih-Po Lee, Ehsan Elhamifar

机构 * RTX BBN Technologies（RTX BBN技术公司） ； New York University（纽约大学） ； Northeastern University（东北大学） 纠错

AI总结 本文介绍EgoMAGIC数据集，包含50项医学任务的3355个视频，用于训练感知算法，通过挑战赛推动研究，提供124种医学物体的检测基准。

Comments 9 pages, 4 figures, 3 tables

UNIKIE-BENCH: Benchmarking Large Multimodal Models for Key Information Extraction in Visual Documents

UNIKIE-BENCH：用于视觉文档中关键信息提取的大型多模态模型基准测试

Yifan Ji, Zhipeng Xu, Zhenghao Liu, Zulong Chen, Qian Zhang, Zhibo Yang, Junyang Lin, Yu Gu, Ge Yu, Maosong Sun

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） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） ； Alibaba Group, Hangzhou, China（阿里巴巴集团） 纠错

AI总结 本文提出UNIKIE-BENCH基准，用于评估大型多模态模型在视觉文档关键信息提取中的性能，揭示了不同场景下模型的性能差异及挑战。

NiuTrans.LMT: Toward Inclusive and Scalable Multilingual Machine Translation with LLMs

NiuTrans.LMT: 向包容性和可扩展的多语言机器翻译迈进 with LLMs

Yingfeng Luo, Ziqiang Xu, Yuxuan Ouyang, Murun Yang, Dingyang Lin, Kaiyan Chang, Tong Zheng, Bei Li, Peinan Feng, Quan Du, 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，中国沈阳） ； NiuTrans Research, Shenyang, China（牛译研，中国沈阳） 纠错

AI总结 本文提出NiuTrans.LMT，通过Strategic Downsampling和Parallel Multilingual Prompting缓解多语言监督微调中的方向退化问题，展示其在60种语言234个方向上的竞争力。

Comments Accepted to ACL 2026 Main Conference. Models are available at: https://github.com/NiuTrans/LMT