arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Northeastern University(东北大学)

2026-08-04 至 2026-08-04 共收录 5
2608.02470 2026-08-04 cs.CV cs.AI 新提交

Grounding Agentic VLMs with Dedicated Segmentation for Fine-Grained Vehicle Damage Assessment

基于专用分割模型实现具身智能视觉语言模型(Agentic VLMs)的细粒度车辆损伤评估

Vishwajeet Shivaji Hogale, Anjali Pai, Nitya Ravi

机构 * Northeastern University(东北大学)

AI总结 针对VLMs空间定位不可靠问题,本文提出TinyDamage架构,将空间定位委托给专用多任务分割模型,集成至7节点LangGraph智能体流程,在车辆损伤评估中大幅降低报告虚构率。

Comments 8 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.01670 2026-08-04 cs.LG 新提交

Sharp Root Anti-Concentration via Projective Incidence and Ordered Root Laws

基于投影关联与有序根定律的尖锐根反集中性

Zijun Wang, Yuchen Miao, Yifan Hu, Huanmin Liu

机构 * Northeastern University(东北大学) Beijing Jiaotong University(北京交通大学) Xiangtan University(湘潭大学)

AI总结 本文解决分段-Lipschitz函数在线优化中的一维局部根反集中问题,建立区间命中常数的尖锐无维表征,给出图学习应用的遗憾界,消除此前损失并验证了相关系数律的判据。

Comments 27 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.00986 2026-08-04 cs.CV 新提交

Understanding and Overcoming Cross-modal Fusion Bias in Multimodal Anomaly Detection From A Fisher Information Perspective

从费舍尔信息视角理解和克服多模态异常检测中的跨模态融合偏差

Kaifang Long, Lianbo Ma, Liming Liu, Guoyang Xie

机构 * Northeastern University(东北大学) CATL(宁德时代)

AI总结 该研究针对多模态异常检测中被忽视的跨模态融合偏差问题,提出即插即用框架UCFB,经实验验证在多种设置下均实现性能提升。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.09757 2026-08-04 cs.CL cs.AI 版本更新

RSRA: Training-Free Probing of Representation Sensitivity for Efficient LoRA Rank Allocation

RSLoRA:通过表示敏感性探测实现LoRA的无训练秩分配

Jiaqi Liu, Haidong Kang, Qihui Zhao, Guo Yu, Jingchao Wang

机构 * Dalian University of Technology(大连理工大学) Northeastern University(东北大学) Hebei Key Laboratory of Marine Perception Network and Data Processing(河北省海洋感知网络与数据处理重点实验室) Nanjing Tech University(南京工业大学) Institute of Intelligent Manufacturing(智能制造研究院)

AI总结 研究针对LoRA传统秩分配问题,提出RSLoRA,通过激活空间几何及虚拟表示探测机制确定高敏感性模块,无需训练调整和反向梯度,在主流基准测试中优于现有方法,为模型自适应提供高效方案。

Comments 14 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.05468 2026-08-04 cs.AI 版本更新

OntoTKGE: Ontology-Enhanced Temporal Knowledge Graph Extrapolation

OntoTKGE:基于本体的知识图谱外推

Dongying Lin, Yinan Liu, Shengwei tang, Bin Wang, Xiaochun Yang

机构 * Northeastern University(东北大学)

AI总结 OntoTKGE通过整合本体与时间知识,提升稀疏实体的外推性能,实验表明其优于现有基线方法。

Comments 9 pages, VLDB 27 Revision

详情

展开后加载摘要…

URL PDF HTML 收藏