高校专区
PADFormer：基于稀疏视角图像的姿态无关异常检测
机构 * Amazon（亚马逊） ； Simon Fraser University（西蒙菲莎大学） ； Northeastern University（东北大学）
AI总结 针对现有姿态无关异常检测方法依赖3D重建的缺陷，提出PADFormer模型，利用ViT结合跨视图掩码重建等机制，在PAD基准及FSAD任务上实现最优性能，兼具效率与泛化性。
Comments Accepted to ECCV 2026 (oral)
决策需要不确定性量化[讲义笔记]
机构 * Institute for Intelligent Networked Systems, Northeastern University London（智能网络系统研究所，伦敦大学东北学院）
AI总结 研究决策中不确定性量化问题，从基本原理出发，在已知和未知环境分布下，探讨风险中性与厌恶型智能体所需不确定性表示形式，确定解决认知不确定性的三种互补方法，强调可靠决策需匹配不确定性表示及效用保证。
我们能从听觉EEG解码元音有多好——一个严格的跨受试基准测试与诚实评估
机构 * College of Medicine and Biological Information Engineering, Northeastern University（医学与生物信息工程学院，东北大学）
AI总结 本文提出一个跨受试基准测试，评估从听觉EEG解码五类元音的性能，比较了14种方法，发现XGBoost模型在低信号条件下表现最佳，且经典方法与深度学习模型竞争。
Comments 19 pages, 7 figures; includes 11-page supplementary material. Associated code, prediction records, source data, and reproducibility materials: https://doi.org/10.5281/zenodo.21805983
DM$^3$-Nav：去中心化多智能体多模态多目标语义导航
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学）
AI总结 DM$^3$-Nav是一种去中心化的多智能体语义导航系统，支持多模态开放词汇目标指定和多目标任务，通过局部通信实现自主协调，验证了在真实办公环境中的有效性。
学习诊断和纠正错误：大型语言模型中的道德敏感性获取
机构 * University of Mississippi（密西根州立大学） ； Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； AWS AI Labs（AWS AI实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Qualcomm（高通） ； Michigan State University（密西根州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
AI总结 提出一种实用推理方法，通过让大型语言模型诊断和纠正道德错误来获取道德敏感性，并在多个任务上验证了其有效性。
转向向量中的反向检测与控制
机构 * Northeastern University（东北大学）
AI总结 该研究发现大型语言模型的反向转向向量（ISVs）会产生与预期相反的转向效果，提出无需生成即可区分ISVs的方法，通过推理时干预改进转向流程，在多数实验中提升了效果。
NOVA：通过人工智能进行知识发现的基本限制
机构 * University of Southern California（南加州大学） ； Northeastern University（东北大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出NOVA框架，将“生成-验证-积累-再训练”循环建模为知识空间上的自适应采样过程，识别了知识覆盖有限域的条件及失败模式，并证明了发现成本与Zipf定律相关的标度律。
Comments Added an explicit recursive retraining model showing how accepted outputs reshape future generation. New results characterize when repeated retraining suppresses undiscovered artifacts and when mixing updates with a fixed base distribution preserves exposure. Corrected the Zipf discovery-cost proof and expanded the analysis. Main results and implications remain unchanged
ActQuant: 面向视觉-语言-动作模型的亚4比特动作引导量化
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ActQuant框架，通过动作引导的混合精度后训练量化，在亚4比特权重量化下保持VLA模型性能，并引入OmniModel.cpp实现高效部署。
基于静电离合器的机械多路复用器及其增强的力能力
机构 * Dept of Electrical and Computer Engineering, University of Washington（华盛顿大学电气与计算机工程系） ； US Army Research Directorate, DEVCOM Army Research Laboratory（美国陆军研究署， DEVCOM陆军研究实验室） ； Mechanical and Industrial Engineering Department of Northeastern University（东北大学机械与工业工程系）
AI总结 本文提出一种基于静电 capstan 离合器的机械多路复用器，实现单电机同时和顺序控制，展示在四自由度腱驱动机器人手中，单电机输出力达212N，垂直抓力提升4.09倍，水平承载力达111.2N。
SimulRAG：基于模拟器的检索增强生成（RAG）框架，用于将大型语言模型（LLMs）落地到长篇科学问答任务中
机构 * University of California San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 针对LLMs在长篇科学问答中易幻觉的问题，本文提出SimulRAG框架，引入UE+SBA机制，发布相关基准，实验表明其信息量与事实性较基线分别提升30.4%、16.3%
Comments Haozhou Xu and Dongxia Wu are co-first authors
基于专用分割模型实现具身智能视觉语言模型（Agentic VLMs）的细粒度车辆损伤评估
机构 * Northeastern University（东北大学）
AI总结 针对VLMs空间定位不可靠问题，本文提出TinyDamage架构，将空间定位委托给专用多任务分割模型，集成至7节点LangGraph智能体流程，在车辆损伤评估中大幅降低报告虚构率。
Comments 8 pages, 2 figures
基于投影关联与有序根定律的尖锐根反集中性
机构 * Northeastern University（东北大学） ； Beijing Jiaotong University（北京交通大学） ； Xiangtan University（湘潭大学）
AI总结 本文解决分段-Lipschitz函数在线优化中的一维局部根反集中问题，建立区间命中常数的尖锐无维表征，给出图学习应用的遗憾界，消除此前损失并验证了相关系数律的判据。
Comments 27 pages, 3 figures
从费舍尔信息视角理解和克服多模态异常检测中的跨模态融合偏差
机构 * Northeastern University（东北大学） ； CATL（宁德时代）
AI总结 该研究针对多模态异常检测中被忽视的跨模态融合偏差问题，提出即插即用框架UCFB，经实验验证在多种设置下均实现性能提升。
RSLoRA：通过表示敏感性探测实现LoRA的无训练秩分配
机构 * Dalian University of Technology（大连理工大学） ； Northeastern University（东北大学） ； Hebei Key Laboratory of Marine Perception Network and Data Processing（河北省海洋感知网络与数据处理重点实验室） ； Nanjing Tech University（南京工业大学） ； Institute of Intelligent Manufacturing（智能制造研究院）
AI总结 研究针对LoRA传统秩分配问题，提出RSLoRA，通过激活空间几何及虚拟表示探测机制确定高敏感性模块，无需训练调整和反向梯度，在主流基准测试中优于现有方法，为模型自适应提供高效方案。
Comments 14 pages, 5 figures
OntoTKGE：基于本体的知识图谱外推
机构 * Northeastern University（东北大学）
AI总结 OntoTKGE通过整合本体与时间知识，提升稀疏实体的外推性能，实验表明其优于现有基线方法。
Comments 9 pages, VLDB 27 Revision
LabGuard：将自然语言实验室规则转化为具身实验室代理的运行时守卫
机构 * Wuhan University（武汉大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Northeastern University（东北大学）
AI总结 提出LabGuard，一种将自然语言实验室规则转化为可执行规范并部署为运行时守卫的安全套件，通过三个核心组件实现规则到监控的映射，实验表明能有效降低不安全事件。
Comments First three authors are co-first authors
GPU加速的近似最近邻搜索：为速度而量化，为变化而构建
机构 * Northeastern University（东北大学）
AI总结 Jasper是一种基于GPU的近似最近邻搜索系统，通过高效量化和优化搜索算法，实现了高吞吐量和可更新性，显著提升了查询性能。
机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学UniVie计算机科学博士学院） ； Faculty of Philological and Cultural Studies, University of Vienna（维也纳大学文学与文化研究系） ； Khoury College of Computer Sciences, Northeastern University（东北大学Khoury计算机科学学院）
Comments Added acknowledgments section. 9 pages, Accepted to the BabyLM Workshop at EMNLP 2025
通用型与专家型大语言模型组成的社交网络中的信念协同演化
机构 * Khoury College of Computer Sciences, Northeastern University（东北大学库尔计算机科学学院） ； Network Science Institute, Northeastern University（东北大学网络科学研究所） ； Santa Fe Institute（圣塔菲研究所）
AI总结 该研究提出CoevolveSim框架，模拟通用型与专家型LLM组成的社交网络中信念扩散，发现专家型LLM可显著提升共识转变幅度，模拟多智能体LLM系统信念扩散需多样化底层LLM。
Comments 33 pages (14 pages of main text), 7 figures, 14 tables
对人格引导对大语言模型能力影响的系统分析
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） ； School of Computing and Information Systems, Singapore Management University, Singapore 178902, Singapore（新加坡管理大学计算机与信息系统学院，新加坡 178902，新加坡） ； 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 本文通过NPTI框架诱导大模型五种人格特质，发现人格引导对认知任务性能有稳定影响，且不同特质对任务表现有不同影响，提出动态人格路由策略提升性能。
Journal ref Chen, J., Wang, M., Xie, T., Feng, S., & Liu, Y. (2026). A Systematic Analysis of the Impact of Persona Steering on LLM Capabilities. Proceedings of the Annual Meeting of the Cognitive Science Society, 48
含损坏观测值的保序变点定位与根因分析
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； King’s College London（伦敦国王学院） ； Aalborg University（奥尔堡大学） ； Northeastern University London（伦敦东北大学）
AI总结 本文针对含损坏观测值的系统，提出加权CONCH与加权CROC方法，结合元学习优化权重，可在保证置信集目标覆盖率的前提下缩小其规模，提升变点定位与根因分析的实用性。
Comments 34 pages, 6 figures
错位具有人格特质：对涌现错位的大五人格解释
机构 * Northeastern University（东北大学）
AI总结 本文提出用大五人格向量解释语言模型微调引发的错位，发现错位语料具特定人格特征，该向量可诊断安全现象且能捕捉单一方向无法识别的谄媚特质。
Comments The paper is currently under peer review
REFACT：用于紧凑且忠实的思维链推理的自适应事实重述
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 研究复杂任务中语言模型推理轨迹易偏离上下文的问题，提出REFACT自适应事实重述框架，经两阶段优化，实验证明其能提升长上下文问答等能力，减少令牌消耗，保留更多证据使推理轨迹更优。
迈向大语言模型安全知识的自动化测试
机构 * Northeastern University（东北大学）
AI总结 研究旨在实现大语言模型安全知识自动化测试，引入利用消费者保护机构权威信息识别LLM响应不稳定性的部分自动化方法，通过对身份盗窃和冒名顶替诈骗主题及Gemini和GPT家族中5个LLMs进行测试，可区分模型安全知识充足与否。
Comments v3: fixed typos in abstract metadata; no changes to the paper
EfficientGraph-RAG：面向跨任务检索增强生成的结构化检索状态管理
机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Tsinghua University, China（清华大学） ； Kunming University of Science and Technology, China（昆明理工大学） ； NiuTrans Research, Shenyang, China（沈阳NiuTrans研究院）
AI总结 提出EfficientGraph-RAG框架，通过显式定义检索状态（TAM、MARS、SMP三个机制）实现结构化状态管理，在多个基准上提升答案质量并降低大模型token消耗。
神经形态扩散语言模型：通过稀疏性和块去噪解决计算和内存瓶颈
机构 * King’s College London（伦敦国王学院） ； Institute for Intelligent Networked Systems (INSI), Northeastern University London（伦敦东北大学智能网络系统研究所）
AI总结 研究针对自回归大语言模型推理低效问题，提出神经形态掩码扩散语言模型，结合块扩散与脉冲神经形态计算，利用脉冲诱导稀疏性减少参数流量和计算，开发模型分析协同效应，实验表明该模型在能源效率和吞吐量上有显著提升。
Comments Accepted for presentation at 2026 IEEE Workshop on Signal Processing Systems (SiPS)
DAGForge：利用生物医学文献进行可审计的因果DAG创作
机构 * Massachusetts General Hospital（麻省总医院） ； Harvard University（哈佛大学） ； Northeastern University（东北大学）
AI总结 该研究针对生物医学因果分析中构建因果DAG多为手动过程的问题，提出DAGForge系统。它能基于研究概念描述创作可审计的因果DAG，经评估在召回率等方面表现良好，减轻了DAG策划负担，支持生物医学研究相关工作。
Comments 10 pages, 2 figures
VisRAG2.0：通过视觉检索增强生成中的证据引导多图像推理减轻视觉幻觉
机构 * School of Software and Microelectronics, Peking University, China（北京大学软件与微电子学院） ； School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学人工智能研究院计算机科学与技术系）
AI总结 研究针对视觉检索增强生成中VLM存在的视觉幻觉及证据识别问题，提出证据引导的多图像推理框架EVisRAG，引入RS-GRPO改进训练，实验表明该方法能提升性能、减少幻觉，有效提高视觉基础和推理可靠性。
XMatchAD：基于重建的异常检测的跨模态匹配视角
机构 * Northeastern University（东北大学） ； State Key Laboratory of Synthetical Automation for Process Industries（流程工业综合自动化国家重点实验室）
AI总结 针对基于重建的无监督异常检测方法难以捕捉细微异常、异常边界模糊的问题，提出XMatchAD框架，从伪跨模态匹配视角利用输入与重建图像的匹配关系，通过多步骤提升异常检测和定位精度，性能优于现有方法。
Comments accepted by IEEE Transactions on Image Processing
AIR-BENCH Live：基础模型不断演进的安全基准测试
机构 * Virtue AI（美德人工智能公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； University of Chicago（芝加哥大学） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究针对基础模型安全基准测试随模型和法规发展而不足的问题，提出AIR-BENCH Live，通过自动化更新管道和多智能体算法更新提示，扩展了基准测试风险数量，评估模型发现安全范围广等结果，使其能随领域发展。
Comments 11 pages, 7 figures, 3 tables
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