Northeastern University（东北大学）

LANG: Reinforcement Learning for Multilingual Reasoning with Language-Adaptive Hint Guidance

LANG: 用于多语言推理的强化学习与语言自适应提示引导

Yuchun Fan, Bei Li, Peiguang Li, Yilin Wang, Yongyu Mu, Jian Yang, Xin Chen, Rongxiang Weng, Jingang Wang, Xunliang Cai, Jingbo Zhu, Tong Xiao

机构 * NLP Lab, School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院自然语言处理实验室） ； Meituan Inc.（美团公司） ； NiuTrans Research, Shenyang, China（牛译研所） 纠错

AI总结 本文提出LANG框架，通过语言条件提示引导非英语推理任务的探索，解决了多语言环境下强化学习在输入语言一致性与推理质量之间的权衡问题，提升了推理性能而不影响语言一致性。

Comments Accepted to ACL 2026 (main conference)

AgroTools: A Benchmark for Tool-Augmented Multimodal Agents in Agriculture

AgroTools: 一个用于农业中增强工具的多模态代理基准

Zi Ye, Yibin Wen, Xiaoya Fan, Xinyu Zhang, Jing Wu, Kun Zeng, Zurong Mai, Jiarui Zhang, Bohan Shi, Juepeng Zheng, Jianxi Huang, Yutong Lu, Haohuan Fu

机构 * Sun Yat-Sen University（中山大学） ； Southwest University（西南大学） ； Northeastern University（东北大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Southwest Jiaotong University（西南交通大学） ； China Agricultural University（中国农业大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出AgroTools基准，用于评估农业中增强工具的多模态代理，通过539个问题-答案实例和1097张异构农业图像，评估模型在工具使用中的执行质量和任务成功率。

Ultra-High-Definition Image Quality Assessment via Graph Representation Learning

通过图表示学习实现超高清图像质量评估

Shaode Yu, Enqi Chen, Ming Huang, Xuemin Ren, Songnan Zhao, Zhicheng Zhang, Qiurui Sun

机构 * 1 School of Information ； Communication Engineering, Communication University of China, Beijing 100024, China 2 College of Engineering, Northeastern University, Silicon Valley, San Jose, CA 95113, USA 3 JancsiLab, JancsiTech, Hongkong 999077, China 4 Center of Information \& Network Technology, Beijing Normal University, Beijing 100875, China 纠错

AI总结 本文提出了一种图表示学习框架UHD-GCN-BIQA，通过显式建模采样图像区域的结构依赖关系来改进超高清图像的盲质量评估，实现了高效的高质量图像质量预测。

Attacking the Spike: On the Transferability and Security of Spiking Neural Networks to Adversarial Examples

攻击尖峰：关于脉冲神经网络对抗示例的转移性和安全性

Nuo Xu, Kaleel Mahmood, Haowen Fang, Ethan Rathbun, Caiwen Ding, Wujie Wen

机构 * Lehigh University（莱文大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； North Carolina State University（北卡罗来纳州立大学） ； University of Rhode Island（罗德岛大学） ； Northeastern University（东北大学） 纠错

AI总结 本文研究了脉冲神经网络（SNN）在对抗示例中的鲁棒性，揭示了对抗攻击的转移性，并提出了混合动态脉冲估计（MDSE）攻击方法，以提高SNN和非SNN模型的对抗示例生成效果。

Comments Accepted manuscript. Published in *Neurocomputing*, Volume 656, 2025, Article 131506. Available online 12 September 2025. DOI: 10.1016/j.neucom.2025.131506

Journal ref Neurocomputing, Volume 656, 2025, 131506

AutoMCU: Feasibility-First MCU Neural Network Customization via LLM-based Multi-Agent Systems

AutoMCU: 通过基于LLM的多智能体系统实现面向MCU的神经网络定制化

Penglin Dai, Zijie Zhou, Xincao Xu, Junhua Wang, Xiao Wu, Lixin Duan

机构 * School of Computing and Artificial Intelligence, Southwest Jiaotong University（计算机与人工智能学院，西南交通大学） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（深圳先进研究院，电子科技大学） ； School of Computer Science and Engineering, Northeastern University（计算机科学与工程学院，东北大学） 纠错

AI总结 本文提出AutoMCU，一种基于LLM的多智能体系统，用于在MCU约束下实现神经网络的自动化定制化。通过自然语言任务需求和硬件规格，AutoMCU迭代生成结构化架构候选方案，通过供应商工具链反馈过滤不可行设计，在训练前进行筛选，评估可行模型并在受控协议下验证部署可行性。

Reliable Wireless Indoor Localization via Cross-Validated Prediction-Powered Calibration

通过交叉验证的预测驱动校准实现可靠的无线室内定位

Seonghoon Yoo, Houssem Sifaou, Sangwoo Park, Joonhyuk Kang, Osvaldo Simeone

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology（韩国科学技术院电子工程学院） ； King’s Communications, Learning & Information Processing (KCLIP) Lab, Centre for Intelligent Information Processing Systems (CIIPS), Department of Engineering, King’s College London（伦敦国王学院信息与通信实验室，智能信息处理系统中心，工程系） ； Institute for Intelligent Networked Systems, Northeastern University London（伦敦东北大学智能网络系统研究所） 纠错

AI总结 本文提出一种利用有限校准数据同时优化预测器和估计合成标签偏差的方法，通过交叉验证预测驱动校准提高无线室内定位的可靠性。