Northeastern University（东北大学）

Many-to-Many Multi-Agent Pickup and Delivery

多对多多智能体取货与送货

Ethan Schneider, Jingkai Chen, Tianyi Gu, Kunlei Lian, Seth Hutchinson, Sonia Chernova

机构 * Institute of Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机械研究所，佐治亚理工学院） ； Symbotic Inc.（Symbotic公司） ； Northeastern University（东北大学） 纠错

AI总结 本文提出M2M算法解决多对多多智能体取货与送货问题，通过任务持续时间优化和SKU分布优化，提升仓库效率。

Structure Over Scale: Learning Visual Reasoning from Pedagogical Video

结构优先于规模：从教育视频中学习视觉推理

Bishoy Galoaa, Xiangyu Bai, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

AI总结 本文提出SoSVQA基准，利用教育视频中的结构化推理轨迹提升视觉语言模型的推理能力，通过GRPO优化在少量数据下实现显著性能提升。

Versatile yet Efficient Network Traffic Analysis: Offloading Network Foundation Model to SmartNIC

多功能且高效的网络流量分析：将网络基础模型卸载到智能网卡

Chungang Lin, Xuying Meng, Tianyu Zuo, Weiyao Zhang, Meng Shen, Ruijie Zhao, Guanming Che, Ruiqi Meng, Ziyue Huang, Haitong Luo, Zhiwei Xu, Yujun Zhang

机构 * Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； University of Virginia, USA（弗吉尼亚大学） ； Beijing Institute of Technology, China（北京理工大学） ； Southeast University, China（东南大学） ； Northeastern University, China（东北大学） ； Haihe Lab of ITAI, China（ITAI海河实验室） ； Corresponding authors（通讯作者） 纠错

AI总结 本文提出Nepco系统，通过将网络基础模型卸载到智能网卡，实现多功能且高效的网络流量分析，减少端到端延迟。

Comments Under review

Hallucination Detection via Activations of Open-Weight Proxy Analyzers

通过开放权重代理分析器的激活进行幻觉检测

Akshita Singh, Prabesh Paudel, Siddhartha Roy

机构 * Khoury College of Computer Sciences（科里学院计算机科学学院） ； Northeastern University（东北大学） 纠错

AI总结 本文提出一种代理分析器框架，通过本地部署的小型开放权重模型检测大语言模型的幻觉，采用变压器文本处理特性构建18种特征，并在多个模型架构上训练堆叠集成模型，最终在RAGTruth数据集上取得优于ReDeEP的AUC和F1分数。

Comments 12 pages, 4 figures. Code available at https://github.com/hallu-detect/llm_hallucination_detection

Motion-o: Trajectory-Grounded Video Reasoning

Motion-o：基于轨迹的视频推理

Bishoy Galoaa, Shayda Moezzi, Xiangyu Bai, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

AI总结 Motion-o通过引入运动链推理，使视频推理模型能够显式且可验证地表示物体运动轨迹，提升动态和轨迹依赖性推理的可监督性。

ProactiveMobile: A Comprehensive Benchmark for Boosting Proactive Intelligence on Mobile Devices

ProactiveMobile: 一个全面的基准，用于提升移动设备上的主动智能

Dezhi Kong, Zhengzhao Feng, Qiliang Liang, Hao Wang, Haofei Sun, Changpeng Yang, Yang Li, Peng Zhou, Shuai Nie, Hongzhen Wang, Linfeng Zhou, Hao Jia, Jiaming Xu, Runyu Shi, Ying Huang

机构 * HyperAI Team, Xiaomi Corporation（小米公司HyperAI团队） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出ProactiveMobile基准，通过多模态大语言模型在移动代理中实现主动智能，通过63个API生成可执行函数序列，实验表明Qwen2.5-VL-7B-Instruct在主动智能任务中表现优于其他模型。

Active teacher selection for reward learning

奖励学习中的主动教师选择

Rachel Freedman, Justin Svegliato, Kyle Wray, Stuart Russell

机构 * University of California, Berkeley（加州大学伯克利分校） ； Northeastern University（东北大学） 纠错

AI总结 本文提出HUB框架，通过主动选择教师来提升奖励学习效果，应用于推荐系统和疫苗测试领域，展示了教师异质性建模的实用性。