高校专区
人在回路中的用户反馈会影响感知准确性和信任，但任务主观性很重要
机构 * University of Florida（佛罗里达大学） ； Northeastern University（东北大学）
AI总结 研究人在回路的用户反馈对智能系统的影响，通过三项对照实验，发现在客观反馈情境下提供反馈会降低用户对系统的信任和准确性感知，主观反馈则无此负面偏差，强调设计智能系统时考虑用户反馈对信任影响的重要性。
Retriever：组合闭环异步机器人程序
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学）
AI总结 研究构建长期运行机器人智能体的闭环管道问题，提出Retriever，它涵盖异步决策模型等整个堆栈，将智能体表示为有状态因果流函数图，编译到支持多后端的运行时，可系统调试和确定性重放，通过案例研究等进行评估。
Comments Project website: http://retriever.systems; Package open-source website: http://openretriever.org
曾经被监禁的人如何设想用于监狱假释的技术
机构 * Northeastern University（东北大学） ； San Diego State University (SDSU)（圣地亚哥州立大学） ； Brandeis University（布兰迪斯大学）
AI总结 研究探讨曾被监禁者对假释技术的设想，通过调查发现他们将其视为驾驭权力的资源，而非瓦解监狱系统的工具，进而提出应将假释计算工具从监视转向以人为本、助力驾驭监狱权力结构的系统。
Comments 25 pages, 1 figure. To appear in Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)
RouteCost：一种受生产启发的多阶段框架，用于电子商务中的预订单运输成本估计
机构 * Northeastern University（东北大学）
AI总结 研究电子商务中预订单运输成本估计问题，提出受生产启发的多阶段框架RouteCost，将其分解为多步骤，通过路线加权期望公式汇总成本估计，在大量订单等数据上提高了预测质量和校准，保留了路线级可解释性。
一些大语言模型表现出一致的风险态度
机构 * University of Florida（佛罗里达大学） ； Northeastern University（东北大学）
AI总结 研究大语言模型在不确定性下的风险态度，引入跨域框架，应用于六个大语言模型和100名人类参与者，发现多数大语言模型有任务内一致性、跨域排序稳定性，且风险态度分布趋向受限，为评估和调整AI系统奠定基础。
Comments 38
用于液滴演化预测的扩散校正自回归傅里叶神经算子
机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of Georgia（佐治亚大学） ； University at Buffalo（纽约州立大学布法罗分校） ； Hanyang University（汉阳大学） ； Northeastern University（东北大学）
AI总结 研究材料喷射中液滴演化预测难题，提出DiffARFNO两阶段框架，结合自回归傅里叶 - MIONet与DDIM校正器，经实验验证该方法显著优于现有模型，能为长期预测提供高保真结果。
Comments 11 figures, 4 tables
用于工业过程预测的大语言模型引导的任务语义场分解
机构 * College of Information Science and Engineering, Northeastern University（东北大学信息科学与工程学院）
AI总结 针对工业过程预测中标记数据稀缺等问题，提出大语言模型引导的任务语义场分解框架TSF，通过构建任务语义场，结合传统时间序列主干进行训练和推理，在多任务上降低平均绝对误差，增加参数少且推理开销小。
GRASP：基于双阶段优化的 grounded CoT 推理用于多模态讽刺目标识别
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 GRASP通过整合视觉定位与显式Co-T推理，解决多模态讽刺目标识别中的细粒度定位问题，提出MSTI-MAX数据集和双阶段联合优化策略，实验表明其在多模态讽刺目标识别中表现更优。
PRO-SPECT：面向能量感知的协调无人机-无人地面车辆团队在随机环境中的概率安全可扩展规划
机构 * Khoury Department of Computer Sciences at Northeastern University（东北大学Khoury计算机科学系） ； The Charles Stark Draper Laboratory, Inc.（查尔斯·斯塔克·德雷珀实验室公司） ； Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系）
AI总结 本文提出PRO-SPECT算法，用于在随机环境中实现无人机和无人地面车辆团队的能量感知规划，通过概率安全约束确保任务成功，支持离线和在线重新规划。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems 2026 (IROS 2026)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈