高校专区
联邦马尔可夫后验采样
机构 * School of Computing, University of Glasgow（格拉斯哥大学计算学院） ； Communication Systems Department, EURECOM（EURECOM通信系统部门） ； Institute for Intelligent Networked Systems, Northeastern University London（伦敦东北大学智能网络系统研究所）
AI总结 本文提出联邦马尔可夫后验采样方法，通过在不共享本地数据集的情况下，利用预测分布恢复参数不确定性，从而在联邦学习中提升模型校准性能。
Comments 5 pages
MAGIQ: 一种具有可证明安全性的多智能体AI治理系统
机构 * University of Calgary（卡尔加里大学） ； Northeastern University（东北大学）
AI总结 本文提出MAGIQ，一种利用新型高效抗量子加密协议进行多智能体AI系统策略定义和执行的框架，旨在解决智能体通信和访问控制策略的安全性问题，并提供可追溯的问责机制。
可检验且可操作的全面交换懊悔校准
机构 * Department of Computer Science, Aarhus University（阿arhus大学计算机科学系） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Northeastern University（东北大学）
AI总结 本文提出了一种新的校准度量标准SCDL，该度量标准在不削弱任何要求的前提下，既可操作又可检验，同时具备连续性和一致性等理想特性，并通过实验验证了其在实际中的优越性能。
Firefly：从真实API生成大规模验证工具调用数据
机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究者）
AI总结 本文提出FireFly框架，通过反向合成方法生成具有验证标签的工具调用数据，利用强LLM探索真实API并构建工具图，以提高大规模工具空间下的训练效率和结果准确性。
生物启发的基于事件的视觉伺服控制用于地面机器人
机构 * Department of Electrical & Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系）
AI总结 本文提出了一种基于生物启发的1D事件视觉伺服框架，用于在结构化环境中运行的地面机器人，通过动态视觉传感器和多模式刺激直接合成非线性状态反馈项，实现了高效低延迟的控制。
PERMA：通过事件驱动的偏好和现实任务环境评估个性化记忆代理
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Northeastern University（东北大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司）
AI总结 本文提出PERMA基准，通过事件驱动的偏好和现实任务环境评估个性化记忆代理的长期一致性，引入文本变异和语言对齐以模拟真实数据中的不规则用户输入和个体语言风格，实验表明先进记忆系统能精准提取偏好并减少token消耗，但仍需更稳健的个性化记忆管理。
WEBSERV: 一个全栈且适合强化学习的网页环境，用于大规模训练网页代理
机构 * Northeastern University（东北大学） ； Amazon（亚马逊）
AI总结 本文提出WebServ，一个全栈且适合强化学习的网页环境，用于大规模训练网页代理。该环境在服务器端使用Incus容器减少启动延迟和存储需求，浏览器端提供自动化的观察和动作接口，以及可靠的执行后端。实验表明，WebServ在WebArena-Lite上实现了最先进的单提示结果，并在强化学习训练中超越了现有方法。
NeuroRVQ：多尺度生物信号分词用于生成式基础模型
机构 * Imperial College London（帝国理工学院伦敦分校） ； Cogitat ； National and Kapodistrian University of Athens（国家与资本主义大学雅典分校） ； Archimedes Research Unit（阿基米德研究单位） ； Aristotle University of Thessaloniki（亚里士多德大学塞萨洛尼基分校） ； Northeastern University London（东北大学伦敦分校）
AI总结 本文提出NeuroRVQ，一种多尺度生物信号分词方法，通过多尺度时序卷积分解生物信号并结合相位感知损失，实现高保真信号重建，验证了高质量分词对下游性能的重要性。
多类预测中的诚实校准误差
机构 * Peking University（北京大学） ； Northwestern University（西北大学） ； Microsoft Research, New England（微软研究院（新英格兰）） ； Northeastern University（东北大学） ； Khoury College of Computer Sciences（计算机科学学院）
AI总结 本文研究了多类预测中诚实校准误差的实用作用，提出了完美诚实校准误差以处理标签分布的多维线性属性，并分析了这些诚实误差在决策理论上的影响，从而解释并缓解了分箱校准误差的排名鲁棒性问题。
OPeRA: 一个用于评估LLM在模拟人类在线购物行为上的表现的观察、人设、推理和行动数据集
机构 * Northeastern University（东北大学） ； University of Southern California（南加州大学） ； Stony Brook University（石溪大学） ； Independent Researcher（独立研究者） ； Ohio State University（俄亥俄州立大学） ； University of Notre Dame（Notre Dame 大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出OPeRA数据集，用于评估LLM在模拟人类在线购物行为上的能力，通过收集真实用户在在线购物会话中的观察、人设、推理和行动，建立首个评估LLM预测特定用户下一步行动和推理的基准。
Comments ACL 2026 main
漂移流匹配
机构 * University of California, Irvine（加州大学伊万斯堡分校） ； University of Virginia（弗吉尼亚大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Northeastern University（东北大学）
AI总结 本文提出Drift Flow Matching框架，结合漂移生成模型与基于流的迭代生成方法，实现高效生成与多步细化，提升生成质量与效率适应性。
阿尔法幻觉：LLM交易代理报告的阿尔法不应被视为部署证据
机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Southwest University of Finance and Economics（西南财经大学） ； Northeastern University（东北大学） ； Imperial College London（伦敦帝国理工学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文指出，LLM交易代理报告的阿尔法不应被当作部署的证据，因为这些阿尔法需要通过结构有效性测试来验证其时间完整性、现实摩擦、反事实稳健性、预测校准、数值执行和多代理分解等关键指标，当前的公开证据无法区分稳健的预测能力与时间污染、未建模的摩擦、短窗口夏普不确定性、叙事拟合和参数先验等因素。
NaviRAG：迈向检索增强生成的主动知识导航
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Northeastern University（东北大学）
AI总结 NaviRAG通过主动知识导航框架提升检索增强生成的复杂任务处理能力，通过分层知识组织和动态信息检索提高检索准确率和生成性能。
LightZeroNav: 基于轻量级VLMs的连续环境中零样本视觉语言导航
机构 * Foshan Graduate School of Innovation, Northeastern University（创新研究生院，东北大学） ； Faculty of Robot Science and Engineering, Northeastern University（机器人科学与工程学院，东北大学） ； School of Aeronautic Science and Engineering, Beihang University（航空科学与工程学院，北航） ； QingniaoAI, China（清北AI，中国）
AI总结 本文提出LightZeroNav，通过轻量级VLMs解决连续环境中零样本视觉语言导航的三大瓶颈，无需特定训练或图搜索，在RGB观测和轻量级Qwen3-VL-8B模型下实现与GPT-4o相当的性能。
PRISMat：基于策略的、排列不变的自回归材料生成
机构 * Khoury College of Computer Sciences（科里学院计算机科学学院） ； Northeastern University（东北大学） ； College of Engineering（工程学院）
AI总结 PRISMat通过高效生成晶体片层，提升了材料发现的准确性，其在切开能和工作函数任务中的均绝对误差显著降低。
Comments 10 pages, 8 figures, Under Review at Neurips 2026
多模态语言模型需要多少视觉标记？通过F^3A进行视觉标记剪枝的扩展
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院，沈阳 110819，中国） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer and Communication Engineering, Northeastern University, Qinhuangdao 066004, China（东北大学计算机与通信工程学院，秦皇岛 066004，中国）
AI总结 本文提出F^3A方法，通过任务条件证据搜索优化视觉标记分配，在不训练模型的情况下实现高效的视觉标记剪枝，保留原始多模态提示和解码流程。
谁拥有这个智能体？追溯AI智能体回其所有者
机构 * Ben-Gurion University of the Negev Beer-Sheva Israel ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham Amritapuri India ； Northeastern University Boston Massachusetts USA ； Ben-Gurion University of the Negev ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham ； Northeastern University
AI总结 本文提出了一种基于canary的智能体归属追踪方法，解决无法追溯恶意或误配置智能体所有者的问题，展示了其在实际场景中的可靠性与鲁棒性。
Comments Under Review
WorldVLN: 用于空域视觉-语言导航的自回归世界动作模型
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） ； Manifold AI ； Beijing Institute of Technology（北京理工大学） ； Northeastern University（东北大学）
AI总结 WorldVLN提出一种自回归世界动作模型，通过预测潜在世界演变并生成可执行的航点动作，提升空域视觉-语言导航性能，优于现有基线模型。
基于任务语义的分布式智能体网络用于水下目标跟踪
机构 * College of Computer Science and Software Engineering, Hohai University（河海大学计算机科学与软件工程学院） ； College of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院） ； Software College, Northeastern University（东北大学软件学院）
AI总结 本文提出STG-MAPPO算法，通过整合DI-engine与六自由度水下AUV仿真器，构建开放平台评估不同MARL算法，解决多智能体强化学习在水下目标跟踪中的挑战。
DrugSAGE: 自演化代理经验用于高效前沿药物发现
机构 * Northeastern University（东北大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Yale University（耶鲁大学） ； Microsoft Research New England（微软研究院新英格兰分部）
AI总结 DrugSAGE通过自演化代理经验框架，高效构建前沿药物发现模型，跨任务记忆提升模型性能，实现零次搜索下的显著优势。
PanoWorld：几何一致的全景视频世界建模
机构 * Northeastern University（东北大学）
AI总结 PanoWorld通过几何和动态一致性建模生成一致的360度视频，提升了空间理解能力，适用于具身AI应用。
HarmoGS：通过冲突感知梯度和谐化实现野外鲁棒的3D高斯点云
机构 * Sun Yat-sen University（中山大学） ； Northeastern University（东北大学） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室）
AI总结 本文提出HarmoGS框架，通过图像空间监督和梯度优化解决野外3D高斯点云中瞬时干扰和光照导致的跨视图不一致问题，提升重建质量。
重新思考跨剂量PET去噪：通过残差噪声学习缓解平均效应
机构 * IWR, Heidelberg University（海德堡大学IWR） ； Silicon Austria Labs（Silicon Austria实验室） ； College of Medicine and Biological Information Engineering, Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education, Northeastern University（医学与生物信息工程学院，医学图像智能计算教育部重点实验室，东北大学） ； Department of Epidemiology & Global Health, Umeå University（流行病学与全球健康系，乌梅大学）
AI总结 本文提出残差噪声学习框架，通过直接估计低剂量PET图像的噪声来提升跨剂量PET去噪性能，优于传统方法。
ViewBridge：用于极端视角变化下的活动视角不变性的课程知识蒸馏
机构 * UT Austin（得克萨斯大学奥斯汀分校） ； Meta AI ； Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 本文提出ViewBridge框架，通过课程学习和知识蒸馏方法，在严重视角遮挡下学习丰富的视频表示，提升了极端视角变化下的活动识别性能。
在异构环境中联邦Q学习的收敛速度研究
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 本文研究了在异构环境中同步联邦Q学习的收敛速度，发现K增加时误差下降线性加速，但E>1会导致性能下降，证明了误差衰减速度为Θ(E/T)。
APWA: 一种用于可并行化代理工作流的分布式架构
机构 * Northeastern University（东北大学）
AI总结 本文提出APWA架构，通过分解任务为非干扰子问题，提升多代理系统处理高并行任务的效率和扩展性。
Comments 25 pages, 2 figures, 14 tables
Sat3DGen：从单张卫星图像生成全面的街景3D场景
机构 * LIESMARS & School of Artificial Intelligence, Wuhan University（珞珈实验室与武汉大学人工智能学院） ； EPFL（苏黎世联邦理工学院） ； HKUST（香港科技大学） ； Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Amap, Alibaba Group（高德地图，阿里巴巴集团）
AI总结 本文提出Sat3DGen，通过几何优先方法提升从单张卫星图像生成高精度3D场景的性能，改进几何精度和真实感，并在新基准上验证其效果。
Comments ICLR 2026; code: https://github.com/qianmingduowan/Sat3DGen demo: https://huggingface.co/spaces/qian43/Sat3DGen project page: https://qianmingduowan.github.io/Sat3DGen_project_page/
协同 yet 个性化策略训练：单时间尺度联邦Actor-Critic
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 本文提出一种联邦Actor-Critic框架，在保持个性化局部策略的同时共享公共线性子空间表示，并通过新颖的联合线性近似框架证明了有限时间收敛性，展示了线性加速效果。
基于随机原子特征的随机化原子特征模型用于物理引导的动力系统识别
机构 * The MathWorks Inc.（MathWorks公司） ； ECE Dept., Northeastern University（东北大学电子工程系）
AI总结 本文提出基于随机稳定原子特征的物理引导系统识别框架，通过将脉冲响应表示为随机叠加的稳定原子，结合凸正则化最小二乘问题，实现对动态系统的识别，保留模态可解释性并保证计算效率。
Comments Extended version of the conference paper submitted for IFAC World Congress, 2026
Transformer残差流的动力学：将谱几何与网络拓扑耦合
机构 * Network Science Institute, Northeastern University（网络科学研究所，东北大学） ； Flagship Pioneering（先锋计划）
AI总结 研究Transformer残差流的传播机制，揭示训练过程中谱几何与网络拓扑的耦合关系，发现残差流在深度方向上呈现单调的谱梯度变化，并存在低秩瓶颈导致维度压缩。
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