Northeastern University（东北大学）

CoRCi: Cross-Reconstruction of Coherent Interests Modeling in Cross-Domain Sequential Recommendation

CoRCi：跨域序列推荐中连贯兴趣建模的跨重建方法

Qingtian Bian, Tieying Li, Marcus de Carvalho, Jiaxing Xu, Hui Fang, Yiping Ke

机构 * Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

AI总结 针对跨域序列推荐中域差异破坏兴趣连贯性的问题，本文提出CoRCi框架，通过跨重建方法和FocalNCE损失实现域不变兴趣对齐，在四个数据集上性能优于现有最优方法。

CoInS-Net: A Continuous Position-Aware Network for Joint Medical Image Interpolation and Segmentation

CoInS-Net：用于联合医学图像插值与分割的连续位置感知网络

Yujia Sun, Ningfeng Que, Peiting Shi, Rongrong Fu, Yingying Yang, Xinhang Li, Yin Dai

机构 * College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院） 纠错

AI总结 CoInS-Net是一种联合医学图像插值与分割的连续位置感知网络，通过双向交互实现两任务相互促进，在多数据集上优于传统单任务方案，为临床医学图像分析提供可靠通用技术。

EFFEKT: Efficient Federated Knowledge Transfer to Foundation Models

EFFEKT：面向基础模型的高效联邦知识迁移

Matteo Caligiuri, Francesco Barbato, Pietro Zanuttigh, Francesco Restuccia

机构 * Northeastern University（东北大学） ； University of Padua（帕多瓦大学） 纠错

AI总结 EFFEKT是一种联邦学习框架，通过双向跨蒸馏策略，结合轻量级客户端代理模型与服务器端基础模型，实现高效的领域特定LoRA适配器训练，在低功耗边缘设备上性能优于基线。

Comments 12 main content pages, 8 appendix pages; 3 main figures, 9 appendix figures; 8 main tables, 9 appendix tables; 1 main algorithm, 4 appendix algorithms; accepted at TMLR

Visualizing High-Dimensional Graph Embeddings via Informed Multi-View Projections

通过信息多视图投影可视化高维图嵌入

Ya Ji, Xuefeng Li, Timo Brand, Jacob Miller, Peng Zhang, Stephen Kobourov, Yifan Hu

机构 * Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院） ； School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） 纠错

AI总结 提出在高维空间中嵌入图，并通过可微分的边交叉代理搜索优化美学和可读性指标的二维视角，优于标准布局，并引入交互系统DataFly。

Comments 20 pages, 15 figures

Autonomy Reshapes How Personalization Affects Privacy Concerns and Trust in LLM Agents

自主性重塑个性化对隐私担忧和对LLM代理信任的影响

Zhiping Zhang, Yi Evie Zhang, Freda Shi, Tianshi Li

机构 * Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 研究探讨了LLM代理自主性如何影响个性化对用户隐私担忧和信任的影响，发现风险驱动的自主性可缓解个性化带来的负面影响。

Comments Accepted to COLM 2026

Knowing When to Ask: Resolving Uncertainty in Human-Robot Joint Planning via Explicit Dialogue and Implicit Intent Cues

不确定性缓解与意图推断：一种双模式人机联合规划系统

Zeyu Fang, Yuxin Lin, Cheng Liu, Beomyeol Yu, Zeyuan Yang, Rongqian Chen, Taeyoung Lee, Mahdi Imani, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治华盛顿大学） ； Department of Mechanical and Aerospace Engineering, George Washington University（机械与航空航天工程系，乔治华盛顿大学） ； Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

AI总结 本文提出一种双模式人机联合规划系统，通过缓解不确定性与推断意图，提升人机协作效率。