高校专区
基于VLM的摩托车安全高级骑手辅助系统
机构 * HRI ； Honda Research Institute（本田研究院） ； University of Maryland（马里兰大学） ； Northeastern University（东北大学）
AI总结 提出一种利用视觉语言模型进行语义感知和风险感知规划的摩托车高级骑手辅助系统，通过构建密集风险地图并采用基于采样的规划器，在CARLA模拟器中实现更高的成功率和更低的风险暴露。
Comments Accepted to IEEE IV 2026
对称性击败审计
机构 * UC Berkeley Forecasting Research Institute（伯克利大学预测研究所） ； Northeastern University（东北大学）
AI总结 本文展示了对内省适配器（Shenoy et al., 2026）的一种攻击方法。
分割模型能理解世界吗？通过视觉思维链实现主动可供性推理
机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学）
AI总结 提出SegWorld框架，通过多级视觉思维链在意图级指令下进行主动场景观察和可供性推理，实现从目标到部件的高效分割。
MerLean-Prover：用于 Lean 4 定理证明的递归循环框架
机构 * Northeastern University（东北大学） ； Stony Brook University（石溪大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出一种基于递归循环框架的端到端 Lean4 定理证明器 MerLean-Prover，通过规划、检查与证明三种智能体协作，无需微调或定制强化学习，在 FormalQualBench 和 Putnam2025 上超越现有开源基线。
顿悟时刻可以是假的吗？——量化思维链中的装饰性思考与真实思考
机构 * Northeastern University（东北大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出真实思考得分（TTS）量化思维链中每一步对最终答案的因果贡献，发现模型常混合真实思考与装饰性思考，并利用TTS实现有效剪枝与自训练，揭示前沿模型常表述未因果使用的推理步骤。
大型语言模型的结构化智能体蒸馏
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学） ； Adobe Research（Adobe研究） ； National University of Singapore（新加坡国立大学） ； University of Georgia（佐治亚大学） ； Florida International University（佛罗里达国际大学）
AI总结 提出结构化智能体蒸馏框架，通过分段对齐推理和动作跨度，将大型语言模型智能体压缩为小型学生模型，在保持决策性能的同时降低推理成本。
Journal ref The 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)
因果直接偏好优化用于分布鲁棒的生成式推荐
机构 * Northeastern University, Shenyang, China（东北大学，沈阳，中国） ； Shenzhen Campus of Sun Yat-sen University, China（中山大学深圳校区，中国）
AI总结 针对直接偏好优化（DPO）在生成式推荐中放大环境混杂因素导致的虚假相关性问题，提出CausalDPO，通过因果不变性学习、后门调整和软聚类环境建模来提升分布外泛化性能。
Comments 22 pages, 3 figures
ECHO: 测试时强化学习的熵-置信度混合优化
机构 * Northeastern University, Shenyang, China（东北大学（沈阳）） ； Shenzhen Campus of Sun Yat-sen University, China（中山大学深圳校区）
AI总结 针对测试时强化学习中高熵分支导致rollout崩溃和早期伪标签噪声引发过拟合的问题，提出熵-置信度混合组相对策略优化（ECHO），通过自适应分支控制和置信度剪枝缓解崩溃，并采用置信度自适应裁剪和优势塑造增强训练鲁棒性。
Comments 19 ppages
大型语言模型的自动剪枝发现
机构 * Northeastern University, Shenyang, China（东北大学（沈阳）） ； Hebei Key Laboratory of Marine Perception Network and Data Processing, Northeastern University at Qinhuangdao 066004, Hebei Province, China（河北省海洋感知网络与数据处理重点实验室，秦皇岛东北大学066004，河北省） ； Sun Yat-sen University, Shenzhen, China（深圳大学） ； Hong Kong Baptist University, Hongkong, China（香港 Baptist 大学） ； Xidian University, Xian, China（西安电子科技大学）
AI总结 提出AutoPrune方法，利用LLMs自动设计剪枝算法，并通过图驱动思维链优化提示，结合偏态感知动态稀疏分配解决高剪枝率下的异常值问题，在主流基准上超越现有方法。
Comments 15 pages, 10 figures
招聘中的算法同质化
机构 * Stanford University（斯坦福大学） ； Chapman University（查普曼大学） ； Northeastern University（东北大学）
AI总结 研究招聘算法同质化导致相同个体和种族群体被拒绝的问题，通过分析300万求职者的400万份申请数据，发现明显的种族差异和结果同质性。
Comments Published at FAccT 2026. Website: https://algorithmichiring.github.io/
记忆蒸馏选择用于噪声鲁棒异常检测
机构 * AIVEX Inc. ； Northeastern University ； Mitsubishi Electric Research Laboratories (MERL)
AI总结 提出基于数据选择的训练算法MeDS，通过随机子采样构建部分记忆集成，利用稀疏性作为低通滤波器捕获名义模式，再蒸馏为重建分数网络，实现噪声鲁棒的异常检测。
Comments Accepted by ICML2026. The code is available at https://github.com/SirojbekSafarov/MeDS
审计与修复离散选择中表格基础模型的经济有效性
机构 * University of California, Berkeley, CA, USA（加州大学伯克利分校） ； Duke University, Durham, NC, USA（杜克大学） ； Northeastern University, Boston, MA, USA（东北大学） ； University of Illinois Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University, Dallas, TX, USA（南方 Methodist 大学）
AI总结 提出两阶段适配器，将表格基础模型预测嵌入效用最大化框架，在保证经济一致性的同时提升选择预测精度。
Comments 5 pages, 1 table. Accepted at the FMSD Workshop, ICML 2026
声明式数据服务：用于组合数据系统的结构化智能体发现
机构 * Northeastern University（东北大学） ； Brown University（布朗大学）
AI总结 提出声明式数据服务（DDS）架构，通过分层类型契约将全局搜索分解为有界子搜索，解决无界智能体发现无法稳定收敛的问题，并在交易后端工作负载上验证其有效性。
Comments Accepted at AI Agents for Discovery in the Wild (AID-Wild), Workshop at ACM CAIS 2026
基于多智能体Actor-Critic的分散式LLM协作学习
机构 * Northeastern University, Boston, MA（波士顿马萨诸塞大学）
AI总结 针对分散式LLM协作优化，提出两种多智能体Actor-Critic方法（CoLLM-CC和CoLLM-DC），实验表明在长时域或稀疏奖励任务中集中式Critic方法优于蒙特卡洛方法和分散式Critic方法。
PhyWorldBench：文本到视频模型中物理真实性的全面评估
机构 * University of California, Santa Cruz（加州大学圣克ruz分校） ； NVIDIA Research（NVIDIA研究） ； Northeastern University（东北大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
AI总结 提出PhyWorldBench基准，通过1050个提示评估12个视频生成模型在物理规律遵循上的表现，并引入反物理类别，利用多模态大语言模型进行零样本评估。
Comments 35 pages, 21 figures
Journal ref ICLR 2026 oral
TailedCore: 面向无监督长尾噪声异常检测的少样本采样
机构 * Northeastern University（东北大学） ； AiV Co.（AiV公司） ； Yonsei University（延世大学） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
AI总结 针对正常数据集存在缺陷污染且类别分布未知长尾的挑战，提出TailSampler估计类别大小以独立处理尾类与噪声，并构建基于记忆的异常检测模型TailedCore，在无监督长尾噪声异常检测中达到最先进性能。
Comments Accepted to CVPR2025
SafetyRepro: 对齐基准上的配置条件排名不稳定性
机构 * Northeastern University, Boston, MA, USA（东北大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University, Dallas, TX, USA（南方 Methodist 大学）
AI总结 本文通过理论命题和提交戳评估协议，证明对齐基准上的成对模型比较结果（如“A比B更安全”）会因未指定的配置选择而发生严格反转。
使用TensorGalerkin学习、求解和优化PDE：一种高效的高性能Galerkin组装算法
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Imperial College London, UK（伦敦帝国学院，英国） ； Northeastern University, USA（东北大学，美国） ； Renmin University of China, China（中国人民大学，中国）
AI总结 提出基于Galerkin离散化的统一算法框架，通过张量化元素操作和稀疏矩阵乘法实现O(1)图规模的系统组装，高效求解、约束优化和物理信息学习变分PDE。
上下文图像生成中的视觉-语言绑定
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Northeastern University（东北大学）
AI总结 本文通过因果干预方法揭示FLUX.2模型中文本令牌与参考图像之间的隐式跨模态绑定机制，并定位绑定发生在文本序列的填充令牌上。
Comments 35 pages, 19 figures
可学习形状原型与遮挡几何引导注入的模态实例分割
机构 * School of Mechanical Engineering and Automation, Northeastern University（机械工程与自动化学院，东北大学） ； School of Information Science and Engineering, Northeastern University（信息科学与工程学院，东北大学）
AI总结 提出一种门控可靠性自适应形状先验框架，通过可学习原型和交叉注意力生成实例自适应形状先验，并利用可见掩码的符号距离场调节注入强度，在多个评估设置下超越现有方法。
Comments 13 pages, 7 figures, 5 tables. Submitted to IEEE Transactions on Circuits and Systems for Video Technology
解锁持续模型合并的潜力：ODE视角
机构 * Northeastern University, Shenyang, China（东北大学，沈阳，中国）
AI总结 提出ODE-M框架，将持续模型合并建模为参数空间中的轨迹，通过整流时变速度场和效用感知时间调度平衡历史知识与新任务，提升长任务流性能。
Comments 21 pages, 8 figures
分裂-合并：一种基于差异的主特征值问题方法
机构 * LMIB of the Ministry of Education, School of Mathematical Sciences, Beihang University（教育部离散数学与信息检索重点实验室，北京航空航天大学数学科学学院） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能与系统优化国家级前沿科学中心，东北大学）
AI总结 针对对称半正定矩阵的主特征对计算问题，提出一种基于差异的无约束优化框架，并设计分裂-合并算法，实现无矩阵、无参数迭代，收敛速度优于经典幂法。
推理作为攻击面：针对大语言模型的自适应进化思维链越狱方法
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； The University of Hong Kong, Hong Kong, China（香港大学） ； The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； Zhejiang University, Zhejiang, China（浙江大学） ； Renmin University of China, Beijing, China（中国人民大学） ； Sun Yat-sen University, Guangdong, China（中山大学） ； Northeastern University（东北大学） ； Hebei Key Laboratory of Data Science and Knowledge Management（河北省数据科学与知识管理重点实验室）
AI总结 提出自适应进化思维链越狱框架AE-CoT，通过教师角色扮演重写有害目标、分解推理片段、多代进化搜索及自适应变异率控制，有效生成高破坏性越狱提示，在多个模型和数据集上超越现有方法。
CAffNet: 硬约束仿射神经网络
机构 * Department of Mechanical and Industrial Engineering, Northeastern University, Boston, MA 02115 USA（东北大学机械与工业工程系） ； Department of Electrical Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Republic of Korea（乌山科学技术研究院电子工程系）
AI总结 提出一种将任意基数的输入相关仿射约束硬嵌入前馈神经网络和Transformer的框架，通过可训练的约束仿射层实现联合优化并保持通用逼近性质。
Palette: 一种模块化、可控且高效的框架，用于按需授权安全对齐放松的LLMs
机构 * University of Georgia（佐治亚大学） ； University of North Texas（北卡罗来纳州立大学） ； Northeastern University（东北大学）
AI总结 提出Palette框架，通过多目标搜索识别拒绝方向并轻量级适配模型，实现按需放松授权领域的安全拒绝行为，同时保持其他区域的标准安全，支持模块化组合多领域授权。
大语言模型能否解决自我毁灭亚文化中的语义差异？来自Jirai Kei的证据
机构 * School of Computer Science and Engineering, Macau University of Science and Technology（澳门科技大学计算机科学与工程学院） ； SKLPlanets, Macau University of Science and Technology（澳门科技大学SKLPlanets） ； College of Software, Northeastern University（东北大学软件学院） ； School of Energy and Power Engineering, Huazhong University of Science and Technology（华中科技大学能源与动力工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院）
AI总结 针对亚文化中自我毁灭行为检测面临的知识滞后和语义错位问题，提出多智能体框架SAS，通过自动检索和亚文化对齐显著提升LLM检测性能，并优于现有先进方法。
Comments Preprint
无安全神谕下通过模型预测控制近似安全反馈
机构 * Northeastern University（东北大学）
AI总结 提出一种利用模拟器和模型预测路径积分算法，基于可逆性和正不变性假设来近似安全函数的方法，避免手动设计安全反馈。
Comments 8 pages, 5 figures
PhotoFlow: 智能体式3D虚拟摄影任务
机构 * Shanghai Jiao Tong University（上海交通大学） ； Northeastern University（东北大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Sichuan University（四川大学）
AI总结 提出PhotoFlow智能体框架，通过导演-评审-反思闭环搜索机制，在任意Blender场景中根据语言指令自动完成虚拟摄影，并引入VPhotoBench基准，实验表明其在外观质量对齐和成功率上优于现有方法。
渐进式 $\mathcal{J}$-不变自监督学习用于低剂量CT去噪
机构 * organization= IWR, Heidelberg University , city= Heidelberg , postcode= 69120 , state= Baden Württemberg , country= Germany ； organization= Silicon Austria Labs , city= Linz , postcode= 4040 , state= Upper Austria , country= Austria ； organization= Institute of Science Tokyo , addressline= , city= Tokyo , country= Japan ； organization= College of Medicine ； Biological Information Engineering, Northeastern University , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Department of Epidemiology \& Global Health, Umeå University , addressline= , city= Umeå , postcode= 90187 , country= Sweden
AI总结 提出渐进式 $\mathcal{J}$-不变学习，通过逐步盲点去噪机制和噪声注入正则化，提升低剂量CT去噪性能，在Mayo数据集上优于现有自监督方法并接近监督方法。
使用现成智能手表检测酒驾
机构 * University of Bern（伯尔尼大学） ； University of St. Gallen（施特加尔伦大学） ； Northeastern University（东北大学）
AI总结 提出利用智能手表的加速度计和心率变异性数据，通过逻辑回归和双塔一维CNN模型检测酒精影响下的驾驶行为，CNN在检测任何酒精中毒和超过WHO推荐限值时的AUROC分别达到0.88和0.86。
Comments 27 pages, 7 figures
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