高校专区
人工智能之眼中的美感：通过LLMs和视觉模型对网络可视化的人类美学对齐
机构 * Northeastern University（东北大学） ； Bosch AI Research（博世人工智能研究院） ； The Ohio State University（俄亥俄州立大学）
AI总结 本文探讨利用LLMs和视觉模型作为人类判断的代理，通过用户研究收集人类偏好标签，提升网络可视化的人类美学对齐效果。
从比特到芯片：一种基于LLM的硬件感知量化代理，用于简化LLM的部署
机构 * The University of Arizona（亚利桑那大学） ； Clemson University（克莱姆森大学） ； University of Georgia（佐治亚大学） ； The University of Tulsa（塔尔萨大学） ； Northeastern University（东北大学） ； Western Digital Corporation（西部数据公司）
AI总结 本文提出HAQA，一种基于LLM的自动化框架，通过高效超参数调优和硬件配置，简化LLM的量化和部署流程，提升部署质量和易用性，实验显示推理速度提升2.3倍，吞吐量和精度均有提升。
食品加工的信息化
机构 * Channing Division of Network Medicine, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院布里格姆妇女医院医学系钱宁网络医学部） ； Network Science Institute and Department of Physics, Northeastern University（东北大学网络科学研究所与物理系） ； Harvard Data Science Initiative, Harvard University（哈佛大学哈佛数据科学计划）
AI总结 本文探讨了食品加工的演变、分类及健康影响，提出利用机器学习和数据科学改进食品信息化，通过FoodProX模型和BERT等模型实现食品分类与评估。
LumiVideo：一种用于视频色彩分级的智能代理系统
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（香港浸会大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港浸会大学）
AI总结 LumiVideo通过感知、推理、执行和反思四个阶段模仿专业调色师的工作流程，利用LLM和RAG框架实现非线性色彩参数空间导航，生成符合行业标准的色彩配置文件，并支持通过自然语言反馈进行迭代优化。
神经网络场论中的拓扑效应
机构 * The NSF Institute for Artificial Intelligence and Fundamental Interactions (IAIFI)（美国国家科学基金会人工智能与基本相互作用研究所 (IAIFI)） ； Department of Physics, Northeastern University（东北大学物理系） ； NITheCS, University of the Witwatersrand（威特沃特斯兰德大学国家理论与计算科学研究所 (NITheCS)） ； Institute of Physics, University of Amsterdam（阿姆斯特丹大学物理研究所）
AI总结 本文探讨神经网络场论在拓扑设置中的应用，恢复Berezinskii-Kosterlitz-Thouless相变并验证bosonic弦的T对称性。
Comments 55 pages, 8 figures
为生成推荐系统中的新词汇提供基础性词 token 初始化
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； LinkedIn Corporation（领英公司） ； Northeastern University（东北大学） ； University of California, Davis（加州大学戴维斯分校）
AI总结 本文提出GTI方法，通过在预训练嵌入空间中语义地初始化新词汇，提升生成推荐系统性能，优于传统均值初始化和辅助任务适应方法。
超越指称表达：场景理解视觉 grounding
机构 * Rice University（莱斯大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Northeastern University（东北大学）
AI总结 本文提出RSC基准，探索基于场景的视觉 grounding，通过角色、意图和关系上下文推断目标，而非显式命名。ScenGround方法结合监督预热与难度感知强化学习，提升模型在复杂场景下的表现。
Comments 20 pages, 18 figures, Project Page: https://catherine-r-he.github.io/RSC/
PRCCF: 一种基于人格的检索与因果感知认知过滤框架用于情感支持对话
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, Liaoning, China（东北大学计算机科学与工程学院，沈阳，辽宁，中国） ； Oracle Cloud Infrastructure, Oracle, Santa Clara, CA, United States（甲骨文云基础设施，甲骨文公司，圣克拉拉，加利福尼亚州，美国）
AI总结 PRCCF通过结合语义兼容性和人格对齐的检索机制，以及因果感知的认知过滤模块，提升情感支持对话中上下文认知理解能力，在ESConv数据集上优于现有方法。
Comments 14 pages, 6 figures, 5 tables. Submitted to Transactions of the Association for Computational Linguistics (TACL)
通过融合大气-海洋-地形数据提升异常偏转热带气旋集合预报
机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Center for Ocean Mega-Science, Chinese Academy of Sciences（中国科学院海洋大科学研究中心）
AI总结 本文提出AOT-TCs多源多模态数据集及首个融合大气-海洋-地形耦合架构的预报模型，显著提升正常和异常偏转热带气旋的预报精度。
ThinkGrasp: 一种用于杂乱环境战略部件抓取的视觉-语言系统
机构 * Northeastern University（东北大学） ； Boston Dynamics AI Institute（波士顿动力人工智能研究所）
AI总结 ThinkGrasp利用GPT-4o的上下文推理能力，在复杂环境中实现高效抓取，通过目标导向语言逐步清除障碍物，提升抓取成功率。
Comments Accepted at CoRL 2024. Project Website:(https://h-freax.github.io/thinkgrasp_page/)
开集监督三维异常检测：一个工业数据集和一个通用框架用于未知缺陷
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机学院） ； Software College, Northeastern University（东北大学软件学院） ； Shenzhen Audencia Financial Technology Institute（深圳南特金融科技学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Zhejiang Institute of Artificial Intelligence（浙江省人工智能研究所） ； Northeastern University（东北大学）
AI总结 本文提出Open3D-AD框架，利用正常样本、模拟异常和部分观察的真实异常，通过对应分布采样减少正常与非正常分布重叠，提升开集监督三维异常检测性能。
Comments Resources: https://github.com/hzzzzzhappy/open-industry
TR-ICRL：基于上下文的强化学习中的测试时重新思考
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Meituan（美团） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Xi’an Jiaotong University（西安交通大学） ； East China Normal University（华东师范大学） ； Northeastern University（东北大学）
AI总结 TR-ICRL通过在推理过程中重新思考来解决ICRL中的奖励估计问题，通过伪标签生成反馈，提升模型在推理和知识密集型任务中的性能。
Comments 14 pages, 7 figures
用单步LLM管道生成替代数据准备流水线的多步组装
机构 * Zhejiang University（浙江大学） ； Northeastern University（东北大学） ； Aalborg University（奥尔堡大学）
AI总结 本文提出Operation-R1框架，通过强化学习训练轻量LLM生成高质量表格问答数据准备流水线，实现单步推理，提升准确率并降低计算成本。
AgentExpt: 基于LLM的资源检索代理自动化AI实验设计
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） ； Northeastern University（东北大学）
AI总结 本文提出基于LLM的资源检索代理框架，通过自动化数据收集和集体感知增强检索，提升实验设计的自动化和可解释性，实验结果显示在Recall@20和HitRate@5上分别提升5.85%和8.30%。
Comments 10 pages
代理检索增强生成：关于代理RAG的综述
机构 * Cleveland State University（克利夫兰州立大学） ； Kent State University（肯特州立大学） ； Northeastern University（东北大学） ； Roux Institute at Northeastern University（东北大学鲁克斯研究所） ； University of Agder (UiA)（阿格德尔大学）
AI总结 本文综述了代理RAG系统，分析了其架构分类、设计权衡及应用，指出其在灵活性、可扩展性和上下文感知方面的优势，并探讨了未来研究方向。
VMAD：视觉增强的多模态大语言模型用于零样本异常检测
机构 * University of Science and Technology of China（中国科学技术大学） ； Northeastern University（东北大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 VMAD通过结合视觉信息与多模态大语言模型，提升零样本异常检测的精度与分析能力，提出缺陷敏感结构学习和局部增强令牌压缩等方法，结合RIAD数据集验证了其有效性。
深度展开：近期发展、理论与设计指南
机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； Rice University（莱斯大学） ； Weizmann Institute of Science（魏茨曼科学研究所） ； Northeastern University（东北大学）
AI总结 本文探讨深度展开框架，结合优化方法与机器学习，提供统一视角，分析其在推理与学习中的基础、设计范式及训练方案，讨论收敛性和泛化保证。
Comments under review for publication in the IEEE
平衡效率与同理心：急诊部门医护人员对AI支持的严重疾病对话工作流的视角
机构 * Northeastern University（东北大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard Medical School, Dana-Farber Cancer Institute, Brigham and Women’s Hospital（哈佛医学院、丹娜-法伯癌症研究所、布里格姆妇女医院） ； Pace University（佩斯大学）
AI总结 研究探讨急诊医护人员在严重疾病对话中使用AI技术的挑战与机遇，提出四阶段工作流及设计指南，强调效率与人文关怀的平衡。
Comments To appear at ACM CHI'26
关于低资源领域命名实体识别中数据增强技术的实验研究
机构 * Universidade Federal do Amazonas（亚马孙联邦大学） ； Northeastern University（东北大学） ； Diffbot Technologies Corp.（Diffbot 技术公司）
AI总结 本研究评估了两种文本增强技术在低资源领域命名实体识别中的效果，发现数据增强对小数据集尤其有益，但无统一最佳增强数量。
Comments 21 pages, 2 figures
Journal ref Nat. lang. process. 32 (2026) 184-203
EgoReasoner：通过任务自适应结构化思维学习视角4D推理
机构 * Northeastern University（东北大学） ； Google Research（谷歌研究院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出EgoReasoner框架，通过任务自适应结构化思维解决视角4D推理任务，提升空间锚定、时间跟踪和持续推理能力，模型在HD-EPIC基准上取得37.5%准确率。
Comments preprint
增强还是不增强？诊断分布对称性破坏
机构 * MIT（麻省理工学院） ； University College London（伦敦大学学院） ； Northeastern University（东北大学）
AI总结 本文提出了一种评估数据集对称性破坏的指标，揭示了点云数据集中的严重偏见问题，并展示了对称性破坏对模型性能的影响。
Comments Published as a conference paper at ICLR 2026. A short version of this paper appeared at the ICLR AI4Mat workshop in April 2025
基于物理的高动态范围新型视图合成的高斯点散射
机构 * Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Khoury College of Computer Science, Northeastern University（东北大学Khoury计算机科学学院）
AI总结 本文提出PhysHDR-GS框架，通过建模内在反射率和可调环境光照，改进HDR-NVS在动态细节重建和光照依赖外观捕捉中的性能，实验表明在真实和合成数据集上具有更高的PSNR和实时渲染速度。
Comments Accepted to CVPR 2026
通过被动滚轮实现异向摩擦调节的机器人灵巧操作
机构 * Northeastern University（东北大学） ； RAI Institute（RAI研究所）
AI总结 本文提出一种通过被动滚轮调节接触摩擦和约束方向的机器人指尖设计，实现了多样化的灵巧操作，包括滑动、旋转和多物体 manipulation，展示了低复杂度机械高效摩擦调节方法的优越性。
Comments 2026 IEEE International Conference on Robotics & Automation
基于场景自适应具身智能的多无人水下机器人自组网多目标跟踪
机构 * Software College, Northeastern University（东北大学软件学院） ； Key Laboratory of Maritime Intelligent Network Information Technology, Ministry of Education, Hohai University（河海大学教育部海事智能网络信息技术重点实验室）
AI总结 本文提出一种基于场景自适应具身智能的多AUV自组网架构，通过整合感知、决策与物理执行，提升多目标跟踪的鲁棒性和准确性。
具有十亿级多模态气象数据的频谱感知文本到时间序列生成
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国）
AI总结 本文提出MTransformer模型，通过频谱提示生成器实现文本到时间序列的精确语义控制，利用大规模气象数据提升生成质量与跨模态对齐精度。
Comments Accepted By IJCNN 2026 (WCCI)
视觉-语言模型的结构图谱探查
机构 * Northeastern University（东北大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究通过神经拓扑分析视觉-语言模型的层间相关图谱，揭示群体结构对行为的意义、跨模态变化及因果影响，提出神经拓扑作为解释性中间尺度。
Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
SCRAMPPI: 通过哈密顿-雅可比可达性实现移动机器人导航的高效应急规划
机构 * Northeastern University（东北大学）
AI总结 本文提出SCRAMPPI算法，通过哈密顿-雅可比可达性分析实现移动机器人导航中的应急规划，结合采样基于规划器（MPPI）提升采样效率，实现实时生成主计划和应急计划。
Comments 8 pages, 5 figures
R3DP：实时3D感知策略用于具身操作
机构 * Shanghai Jiao Tong University（上海交通大学） ； D-Robotics（地平线机器人） ； Southern University of Science and Technology（南方科技大学） ； Xspark AI（星火科技） ； The University of Hong Kong（香港大学） ； Wuhan University（武汉大学） ； Xiamen University Malaysia（厦门大学马来西亚分校） ； Northeastern University（东北大学）
AI总结 R3DP通过异步快慢协作模块整合大尺度3D先验知识，提升实时操作性能，实验显示在成功率和推理时间上均优于现有方法。
Comments Project Page: https://dazazh.github.io/r3dp-project-page/ Github Repo: https://github.com/dazazh/R3DP
CLEAR：一种以知识为中心的船舶轨迹分析平台
机构 * Aalborg University（奥尔堡大学） ； Northeastern University（东北大学）
AI总结 CLEAR平台利用大语言模型生成能力，将不完整复杂的AIS数据转化为完整可解释的船舶轨迹，通过结构化数据知识图谱提升非专业用户分析能力。
Comments 4 pages, 5 figures. Accepted at SIGMOD 2026 Demo Track
LASER：基于分层尺度对齐的无训练流式4D重建
机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
AI总结 本文提出LASER框架，通过分层尺度对齐将离线重建模型转换为流式系统，实现14fps和6GB内存下的千米级流式视频重建，优于现有方法。
Comments CVPR 2026, 16 pages
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