Northeastern University（东北大学）

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act

ESM3作为具有系统性风险的通用人工智能模型在欧盟人工智能法案中的案例

Taro Qureshi, Jacob Griffith, Koen Holtman, Marcel Mir Teijeiro, Ze Shen Chin, Rokas Gipiškis

机构 * AI Standards Lab（人工智能标准实验室） ； Vilnius University（维尔纽斯大学） ； Northeastern University London（伦敦东北大学） ； London School of Economics（伦敦政治经济学院） 纠错

AI总结 本文探讨ESM3等前沿生物基础模型在欧盟人工智能法案下的监管问题，分析其是否受通用人工智能模型系统性风险义务约束，并提出改进建议。

Comments 8 pages, 1 figure, Technical AI Safety Conference

CombinationTS: A Modular Framework for Understanding Time-Series Forecasting Models

CombinationTS：一个用于理解时间序列预测模型的模块化框架

Xiaorui Wang, Fanda Fan, Chenxi Wang, Yuxuan Yang, Rui Tang, Kuoyu Gao, Simiao Pang, Yuanfeng Shang, Zhipeng Liu, Wanling Gao, Lei Wang, Jianfeng Zhan

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Northeastern University, Shenyang, China（东北大学） ； Beijing Normal University - Hong Kong Baptist University United International College, Zhuhai, China（北京师范大学-香港 Baptist大学联合国际学院） 纠错

AI总结 本文提出CombinationTS框架，通过分解模型为输入变换、嵌入、编码器、解码器和输出变换模块，量化各部分性能和稳定性，揭示模型改进的核心驱动因素，发现嵌入设计良好时，无参数的Identity编码器可超越复杂结构。

Comments Accepted by ICML 2026 main track. Code available at https://github.com/BenchCouncil/CombinationTS

Arithmetic in the Wild: Llama uses Base-10 Addition to Reason About Cyclic Concepts

野性算术：Llama使用十进制加法来推理循环概念

Sheridan Feucht, Tal Haklay, Usha Bhalla, Daniel Wurgaft, Can Rager, Raphaël Sarfati, Jack Merullo, Thomas McGrath, Owen Lewis, Ekdeep Singh Lubana, Thomas Fel, Atticus Geiger

机构 * Northeastern University（东北大学） ； Technion IIT（技术ion理工学院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） 纠错

AI总结 研究Llama-3.1-8B如何用十进制加法处理循环概念，发现其通过通用加法机制而非模运算实现，利用傅里叶特征进行计算，揭示了因果抽象与特征几何的交互对语言模型的理解作用。

Compared to What? Baselines and Metrics for Counterfactual Prompting

与什么相比？反事实提示的基线和度量标准

Zihao Yang, Mosh Levy, Yoav Goldberg, Byron C. Wallace

机构 * Northeastern University（东北大学） ； Bar-Ilan University（巴伊兰大学） ； Allen Institute for AI（人工智能研究所） 纠错

AI总结 本文探讨了反事实提示中基线和度量标准的重要性，指出单纯改变文本因素无法准确评估模型敏感性，提出通过统计检验比较干预差异与改写影响的框架，发现模型对患者性别等的敏感性在考虑一般模型敏感性后显著降低。

Comments 24 pages, 10 figures. Under review

MINT: Minimal Information Neuro-Symbolic Tree for Objective-Driven Knowledge-Gap Reasoning and Active Elicitation

MINT：最小信息神经符号树用于目标驱动的知识缺口推理和主动提取

Zeyu Fang, Mahdi Imani, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（乔治华盛顿大学电气与计算机工程系） ； Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） 纠错

AI总结 本文提出MINT用于解决AI代理在目标驱动规划中主动提取人类输入的问题，通过神经符号树和自博弈优化策略，提升规划性能。