Northeastern University（东北大学）

SPADE: Self-Play in Adaptive Synthetic Executable Environments

SPADE：自适应合成可执行环境中的自博弈

Bo Liu, Simon Yu, Yiding Jiang, Ao Qu, Andrew Zhao, Zichen Liu, Junsu Kim, Zijian Zhou, Seungone Kim, Tongzheng Ren, Mickel Liu, Hanfei Yu, Zhaorun Chen, Weiyan Shi, Paul Pu Liang, Luke Zettlemoyer, Yejin Choi, Natasha Jaques

机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Seoul National University（首尔大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Chicago（芝加哥大学） 纠错

AI总结 SPADE是一种双角色自博弈强化学习框架，让单个LLM同时担任环境设计者与推理智能体，在多类基准上显著提升了语言智能体的性能，推动了开放式自我改进。

Comments Work in progress. Project page: this https URL (https://spade-rl.github.io); Code: this https URL (https://github.com/spade-rl/spade)

\textsc{TestifAI}: Tomography-Based Testing for Deep Learning Systems

TestifAI：基于层析成像的深度学习系统测试方法

Arooj Arif, Tobias Hartung, Elena Botoeva, Alexandros Koliousis

机构 * Northeastern University London（伦敦东北大学） ； University of Kent（肯特大学） 纠错

AI总结 TestifAI是一种深度学习测试框架，通过部分模型层析成像从低阶扰动观测预测高阶扰动测试结果，可高效准确估计多扰动下的模型鲁棒性，减少60-80%的推理量且总误差低于7%。

Denoising-Aware Inversion: Revealing Privacy Risks in Noise-Protected Text Embeddings

感知去噪的反演：揭示受噪声保护的文本嵌入中的隐私风险

Yubo Wang, Shujie Cui, James Bailey, Hongzhi Yin, Wenyu Liang, Min Tang, Shiyue Qin, Weiqing Wang

机构 * Monash University（莫纳什大学） ； The University of Queensland（昆士兰大学） ； Northeastern University（东北大学） 纠错

AI总结 本文针对受噪声保护的文本嵌入，提出感知去噪的反演方法DAEI，突破双重噪声陷阱，在反演性能上大幅优于基线，挑战了高斯扰动可防嵌入隐私泄露的假设。

Comments 11 pages, 3 figures. Accepted by IEEE ICDM 2026

Mechanistic Interpretability of Structure-Aware Numerical Reasoning in LLaMA 3.1 8B

LLaMA 3.1 8B中结构感知数值推理的机制可解释性

Rahul Chowdhury, Timothy A Rupprecht, Senhao Cao, Jiahao Liu, Octavia Camps, David Bau, Pu Zhao, Yanzhi Wang

机构 * Northeastern University（东北大学） ； EmbodyX Inc.（EmbodyX公司） 纠错

AI总结 本研究从机制可解释性视角探究LLaMA 3.1 8B，通过构建需捕捉结构的数值序列任务，发现其可无监督计算存储一阶差分，还揭示其通过类诱导回路机制完成数值推理。

Vector Symbolic Policy Gradient

向量符号策略梯度

Ryozo Masukawa, Sanggeon Yun, SungHeon Jeong, Hyunwoo Oh, Raheeb Hassan, Pietro Mercati, Nathaniel D. Bastian, Mahdi Imani, Mohsen Imani

机构 * University of California, Irvine（加州大学欧文分校） ； Intel Corporation（英特尔公司） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Northeastern University（东北大学） 纠错

AI总结 该研究提出VSPG算法，以单位范数超向量表示离散动作，通过优势加权超向量捆绑更新动作，可实现样本高效学习且推理内存不增加，还证明其动作选择在随机比特翻转下稳定，连接了三类方法并提供鲁棒性保证。

Comments Code available in this https URL (https://github.com/BiasLabProjects/VSPG)

LumiTokens: 3D Relighting via Token-Space Lighting Transformation

LumiTokens：基于标记空间光照变换的三维重光照

Yiwen Chen, Matheus Gadelha, Huaizu Jiang

机构 * Northeastern University（东北大学） ； Adobe Research（奥多比研究院） 纠错

AI总结 LumiTokens是将三维重光照转化为潜在场景标记直接变换的框架，支持渐进式可组合光照编辑，重光照质量优于或媲美现有方法。

Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence

Mechanist：作为科学仪器的AI，用于发现智能的机制

Mengru Wang, Junfeng Fang, Shuofei Qiao, Zhenqian Xu, Haoming Xu, Haoxiong Wang, Shumin Deng, Linyi Yang, Zhixiang Cui, Xin Xu, Yunzhi Yao, Buqiang Xu, Fei Shen, Haozhe Luo, Yunxiang Wei, Ningyu Zhang, Julian McAuley, Tat Seng Chua, Huajun Chen

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学） 纠错

AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。

Comments Work in progress

RouteCost: A Production-Inspired Multi-Stage Framework for Pre-Order Shipping Cost Estimation in E-Commerce

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

Xianling Zeng, Zihan Yu, Sichen Zhao, Yalun Qi, Zhiming Xue

机构 * Northeastern University（东北大学） 纠错

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。

On the Power of Source Screening for Learning Shared Feature Extractors

在学习共享特征提取器中源筛选的效能

Leo Muxing Wang, Connor Mclaughlin, Lili Su

机构 * Northeastern University（东北大学） 纠错

AI总结 本文探讨了在学习共享特征提取器时，通过源筛选来优化子空间估计的方法，证明了精心选择的数据子集可实现最小最大最优性。