Northeastern University（东北大学）

LLM-Guided Measurement Credibility Correction for Trustworthy Industrial Process Inference

用于可信工业过程推理的大语言模型引导的测量可信度校正

Youcheng Zong, Runda Jia, Dakuo He

机构 * College of Information Science and Engineering, Northeastern University（信息科学与工程学院，东北大学） 纠错

AI总结 研究工业过程推理中测量可信度问题，提出大语言模型引导的测量可信度校正方法，通过转换测量语义、构建参考并校正冲突，使预测器输入更可信，在多任务中降低误差，增加少量参数且推理时间短，提升了预测准确性。

SpanUQ: Span-Level Uncertainty Quantification for Large Language Model Generation

SpanUQ：用于大语言模型生成的跨度级不确定性量化

Yimeng Zhang, Yingying Zhuang, Ziyi Wang, Yuxuan Lu, Pei Chen, Aman Gupta, Zhe Su, Ming Tan, Zhilin Zhang, Qun Liu, Manikandarajan Ramanathan, Rajashekar Maragoud, Edward Vul, Jing Huang, Dakuo Wang

机构 * Amazon（亚马逊） ； Northeastern University（东北大学） 纠错

AI总结 研究大语言模型生成的跨度级不确定性量化问题，提出SPANUQ轻量级探测器，通过混合贝塔分布估计不确定性，经特殊训练方式构建基准。实验显示其在不确定性质量、速度及错误定位上表现出色，且能在多个大语言模型上通用。

Comments The project page is available at https://damon-demon.github.io/SpanUQ.html

Domain-Adaptive Climate Downscaling Under Temporal Distribution Shift

时间分布变化下的域自适应气候降尺度

Shuochen Wang, Nishant Yadav, Auroop R. Ganguly

机构 * Northeastern University（东北大学） ； Microsoft（微软公司） ； The Institute for Experiential AI, Northeastern University（东北大学体验式人工智能研究所） 纠错

AI总结 研究针对美国大陆日温度降尺度的时间分布变化问题，提出时间域自适应降尺度框架，结合历史数据监督HR重建与域对齐，实验表明该模型优于其他方法，能提升HR气候预测稳健性，尤其在特定区域和条件下效果显著。

Socially-Aware Autonomous Doorway Traversal and Payload Delivery for Emergency Assistance

面向应急援助的具备社会感知能力的自主过门与物资递送机器人系统

Andrew Snowdy, Ananya Trivedi, Sarvesh Prajapati, Lorena Maria Genua, Taskin Padir

机构 * Department of Electrical and Computer Engineering, Northeastern University（美国东北大学电气与计算机工程系） ； Northeastern University（美国东北大学） 纠错

AI总结 针对机器人辅助应急疏散场景，以行为树为核心框架实现社会感知自主过门与救援物资递送功能，经多场景实验验证系统可靠性，为应急响应机器人提供实用基础。