Northeastern University（东北大学）

Who Owns This Agent? Tracing AI Agents Back to Their Owners

谁拥有这个智能体？追溯AI智能体回其所有者

Ruben Chocron, Doron Jonathan Ben Chayim, Eyal Lenga, Gilad Gressel, Alina Oprea, Yisroel Mirsky

机构 * Ben-Gurion University of the Negev Beer-Sheva Israel ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham Amritapuri India ； Northeastern University Boston Massachusetts USA ； Ben-Gurion University of the Negev ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham ； Northeastern University 纠错

AI总结 本文提出了一种基于canary的智能体归属追踪方法，解决无法追溯恶意或误配置智能体所有者的问题，展示了其在实际场景中的可靠性与鲁棒性。

Comments Under Review

WorldVLN: Autoregressive World Action Model for Aerial Vision-Language Navigation

WorldVLN: 用于空域视觉-语言导航的自回归世界动作模型

Baining Zhao, Jiacheng Xu, Weicheng Feng, Xin Zhang, Zhaolu Wang, Haoyang Wang, Shilong Ji, Ziyou Wang, Jianjie Fang, Zhiheng Zheng, Weichen Zhang, Yu Shang, Wei Wu, Chen Gao, Xinlei Chen, Yong Li

机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） ； Manifold AI ； Beijing Institute of Technology（北京理工大学） ； Northeastern University（东北大学） 纠错

AI总结 WorldVLN提出一种自回归世界动作模型，通过预测潜在世界演变并生成可执行的航点动作，提升空域视觉-语言导航性能，优于现有基线模型。

Task-Semantic Graph-Driven Distributed Agent Networking for Underwater Target Tracking

基于任务语义的分布式智能体网络用于水下目标跟踪

Shengchao Zhu, Guangjie Han, Chuan Lin, Yu He

机构 * College of Computer Science and Software Engineering, Hohai University（河海大学计算机科学与软件工程学院） ； College of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院） ； Software College, Northeastern University（东北大学软件学院） 纠错

AI总结 本文提出STG-MAPPO算法，通过整合DI-engine与六自由度水下AUV仿真器，构建开放平台评估不同MARL算法，解决多智能体强化学习在水下目标跟踪中的挑战。

DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery

DrugSAGE: 自演化代理经验用于高效前沿药物发现

Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin

机构 * Northeastern University（东北大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Yale University（耶鲁大学） ； Microsoft Research New England（微软研究院新英格兰分部） 纠错

AI总结 DrugSAGE通过自演化代理经验框架，高效构建前沿药物发现模型，跨任务记忆提升模型性能，实现零次搜索下的显著优势。

PanoWorld: Geometry-Consistent Panoramic Video World Modeling

PanoWorld：几何一致的全景视频世界建模

Le Jiang, Xiangyu Bai, Bishoy Galoaa, Shayda Moezzi, Caleb James Lee, Tooba Imtiaz, Edmund Yeh, Jennifer Dy, Yanzhi Wang, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

AI总结 PanoWorld通过几何和动态一致性建模生成一致的360度视频，提升了空间理解能力，适用于具身AI应用。

HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization

HarmoGS：通过冲突感知梯度和谐化实现野外鲁棒的3D高斯点云

Yulei Kang, Tianze Zhu, Jian-Fang Hu, Jianhuang Lai, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Northeastern University（东北大学） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室） 纠错

AI总结 本文提出HarmoGS框架，通过图像空间监督和梯度优化解决野外3D高斯点云中瞬时干扰和光照导致的跨视图不一致问题，提升重建质量。

Rethinking Cross-Dose PET Denoising: Mitigating Averaging Effects via Residual Noise Learning

重新思考跨剂量PET去噪：通过残差噪声学习缓解平均效应

Yichao Liu, Zongru Shao, Yueyang Teng, Junwen Guo

机构 * IWR, Heidelberg University（海德堡大学IWR） ； Silicon Austria Labs（Silicon Austria实验室） ； College of Medicine and Biological Information Engineering, Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education, Northeastern University（医学与生物信息工程学院，医学图像智能计算教育部重点实验室，东北大学） ； Department of Epidemiology & Global Health, Umeå University（流行病学与全球健康系，乌梅大学） 纠错

AI总结 本文提出残差噪声学习框架，通过直接估计低剂量PET图像的噪声来提升跨剂量PET去噪性能，优于传统方法。

ViewBridge: Curriculum Knowledge Distillation for Activity View-Invariance Under Extreme Viewpoint Changes

ViewBridge：用于极端视角变化下的活动视角不变性的课程知识蒸馏

Arjun Somayazulu, Efi Mavroudi, Changan Chen, Lorenzo Torresani, Kristen Grauman

机构 * UT Austin（得克萨斯大学奥斯汀分校） ； Meta AI ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出ViewBridge框架，通过课程学习和知识蒸馏方法，在严重视角遮挡下学习丰富的视频表示，提升了极端视角变化下的活动识别性能。

On the Convergence Rates of Federated Q-Learning across Heterogeneous Environments

在异构环境中联邦Q学习的收敛速度研究

Leo Muxing Wang, Pengkun Yang, Lili Su

机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文研究了在异构环境中同步联邦Q学习的收敛速度，发现K增加时误差下降线性加速，但E>1会导致性能下降，证明了误差衰减速度为Θ(E/T)。