Defining AI-Native Systems: Autonomy as Revision Authority
定义 AI 原生系统：自主性作为修订权
机构 * Northeastern University（东北大学）
AI总结 本文提出了一种定义 AI 原生系统的标准，基于自主权而非 AI 模型能力，通过修订权阶梯和验证机制界定 AI 自主重写系统的能力。
高校专区
Northeastern University（东北大学）
Scale Up Strategically: Learning Compositional Generalization via Bias-Aware Evaluation and Data Collection for Robotic Manipulation
战略扩展：通过偏差感知评估和数据收集学习机器人操作中的组合泛化
机构 * Northeastern University（东北大学） ； NVIDIA（英伟达）
AI总结 研究机器人操作中组合泛化问题，通过引入诊断框架量化指令因素偏差，提出偏差感知数据收集策略，能定位预训练策略捷径问题，实现更高效可泛化的策略学习。
Optimal Recalibration of an Online Predictor
在线预测器的最优重新校准
机构 * Northeastern University（东北大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出一种在线算法，实现在线预测器的最优重新校准，同时达到ε-校准和ε²-校准，改进了以往单独实现这些属性的工作。
Safe Remediation as Risk-Constrained Intervention Decision in Microservice Systems
作为微服务系统中风险约束干预决策的安全修复
机构 * School of Computer Science, University of Sydney（悉尼大学计算机科学学院） ； Khoury College of Computer Sciences, Northeastern University（美国东北大学库里计算机科学学院） ； School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） ； College of Business and Economics, Australian National University（澳大利亚国立大学商业与经济学院） ； School of Computer Science and Technology, Fujian Normal University（福建师范大学计算机科学与技术学院）
AI总结 研究微服务系统中安全修复问题，将其转化为风险约束干预决策问题并构建约束马尔可夫决策过程，引入三维风险分解和上下文自适应人在回路门，通过实验验证该框架能降低错误修复率、提高修复成功率并减轻值班升级负载。
Coordinating from Memory: Graph-Structured Experience Reuse for Multi-Agent Adaptation in Dynamic Manufacturing
从记忆中协调：用于动态制造中多智能体适应的图结构经验重用
机构 * School of Computer Science, University of Sydney（悉尼大学计算机科学学院） ； Khoury College of Computer Sciences, Northeastern University（美国东北大学库里计算机科学学院） ； School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） ； School of Life and Environmental Sciences, University of Sydney（悉尼大学生命与环境科学学院） ； College of Business and Economics, Australian National University（澳大利亚国立大学商业与经济学院）
AI总结 针对动态制造中多智能体协调问题，提出图结构经验记忆（GSEM）框架，将历史协调事件编码为图，新干扰时通过图神经网络检索相似事件实现经验引导策略适应，实验表明其能有效减少完工时间和适应时间，验证了方法有效性和通用性。
Decentralized Online Riemannian Optimization for Strongly Geodesically Convex Functions
具有有界截面曲率的黎曼流形上强测地凸函数的分散式在线黎曼优化
机构 * Department of Mechanical & Industrial Engineering at Northeastern University（东北大学机械与工业工程系）
AI总结 研究黎曼流形上强测地凸损失的分散式在线优化，通过提供时变调度的网络误差分析，为分散式在线黎曼梯度下降建立$O(\log T)$静态遗憾界，并为两点策略反馈设置证明相同界，匹配强凸欧几里得在线优化最优速率。
NaviAIS: A Scenario-Level Vessel Trajectory Prediction Dataset withVectorized Lane Priors and the NaviLane Forecasting Framework
NaviAIS：一个具有矢量化航道先验的场景级船舶轨迹预测数据集及NaviLane预测框架
机构 * Northeastern University（东北大学）
AI总结 研究针对复杂海洋环境下船舶轨迹预测问题，引入NaviAIS数据集并提出NaviLane框架，通过轨迹-地图联合编码、离散宏动作码本及模块优化评估等方法，提升船舶轨迹预测性能，优于现有基线。
Human-in-the-Loop User Feedback Affects Perceived Accuracy and Trust, but Task Subjectivity Matters
人在回路中的用户反馈会影响感知准确性和信任，但任务主观性很重要
机构 * University of Florida（佛罗里达大学） ； Northeastern University（东北大学）
AI总结 研究人在回路的用户反馈对智能系统的影响，通过三项对照实验，发现在客观反馈情境下提供反馈会降低用户对系统的信任和准确性感知，主观反馈则无此负面偏差，强调设计智能系统时考虑用户反馈对信任影响的重要性。
Retriever: Composing Closed-Loop Asynchronous Robot Programs
Retriever：组合闭环异步机器人程序
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学）
AI总结 研究构建长期运行机器人智能体的闭环管道问题，提出Retriever，它涵盖异步决策模型等整个堆栈，将智能体表示为有状态因果流函数图，编译到支持多后端的运行时，可系统调试和确定性重放，通过案例研究等进行评估。
Comments Project website: http://retriever.systems; Package open-source website: http://openretriever.org
How Formerly Incarcerated People Envision Technologies for Prison Parole
曾经被监禁的人如何设想用于监狱假释的技术
机构 * Northeastern University（东北大学） ； San Diego State University (SDSU)（圣地亚哥州立大学） ； Brandeis University（布兰迪斯大学）
AI总结 研究探讨曾被监禁者对假释技术的设想，通过调查发现他们将其视为驾驭权力的资源，而非瓦解监狱系统的工具，进而提出应将假释计算工具从监视转向以人为本、助力驾驭监狱权力结构的系统。
Comments 25 pages, 1 figure. To appear in Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)
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
机构 * Northeastern University（东北大学）
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。
Some Large Language Models Exhibit Consistent Risk Attitudes
一些大语言模型表现出一致的风险态度
机构 * University of Florida（佛罗里达大学） ； Northeastern University（东北大学）
AI总结 研究大语言模型在不确定性下的风险态度，引入跨域框架，应用于六个大语言模型和100名人类参与者，发现多数大语言模型有任务内一致性、跨域排序稳定性，且风险态度分布趋向受限，为评估和调整AI系统奠定基础。
Comments 38
Diffusion-corrected Autoregressive Fourier Neural Operator for Droplet Evolution Prediction
用于液滴演化预测的扩散校正自回归傅里叶神经算子
机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of Georgia（佐治亚大学） ； University at Buffalo（纽约州立大学布法罗分校） ； Hanyang University（汉阳大学） ； Northeastern University（东北大学）
AI总结 研究材料喷射中液滴演化预测难题，提出DiffARFNO两阶段框架，结合自回归傅里叶 - MIONet与DDIM校正器，经实验验证该方法显著优于现有模型，能为长期预测提供高保真结果。
Comments 11 figures, 4 tables
Code-Poisoning Property Inference Attacks
代码中毒属性推理攻击
机构 * School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Computer Science and Engineering, Northeastern University（计算机科学与工程学院，东北大学）
AI总结 研究针对机器学习模型训练数据隐私泄露问题，提出代码中毒属性推理攻击（CPPIA），克服现有工作局限。通过恶意代码提供者使数据持有者下载中毒代码训练模型，对手借此嵌入属性查询模型泄露隐私，该方法攻击准确率高、计算轻量，评估证明其通用性和有效性。
RTS Smoother-Guided Learning of Physics-Based Neural Differential Models
基于RTS平滑器引导的物理神经网络微分模型学习
机构 * Northeastern University（东北大学） ； University of Massachusetts Boston（马萨诸塞大学波士顿分校） ； Emory University（埃默里大学）
AI总结 针对部分状态变量可测、动力学方程部分未知的情况，提出混合神经-物理框架，交替进行状态和参数估计，利用RTS平滑器和反向传播，能从测量中学习缺失的ODE组件，提升潜在状态重建和长期预测能力。
Contextualized Evaluation of Vision Language Models through Dynamic, Multi-turn Interactions
通过动态多轮交互对视觉语言模型进行情境化评估
机构 * UC San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰·霍普金斯大学）
AI总结 研究多模态大语言模型现实有效性问题，提出CEDI框架，通过三方交互、多轮半结构化对话及多种策略评估，应用于视觉幻觉，发现能揭示更多接近实际情况的幻觉，凸显其对MLLMs能力评估的作用。
"Trust Junk" Leads to Unjustified Support for Highly Discriminatory Predictive Models
“信任垃圾”导致对高度歧视性预测模型的不合理支持
机构 * Northeastern University（东北大学）
AI总结 研究发现在可解释人工智能中，模型解释里提供的准确但多余或无关的数据会使人们对明显歧视性和不公平的模型产生不合理信任，提示XAI设计者和开发者要注意工作中的修辞及可视化带来的潜在问题。
Just Keep Prompting: Evaluating Repetitive Socratic Prompting in VLMs
只需持续提示：评估视觉语言模型中的重复苏格拉底式提示
机构 * Northeastern University（东北大学）
AI总结 研究视觉语言模型在反复提示下的稳定性，引入JKP多轮评估框架，用三种策略对模型提问，在STAR基准子集上评估GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B，发现重复提示利弊兼具且因模型而异，揭示了模型压力反应概况。
Learning Robust Execution in Robotic Manipulation with Agentic Reinforcement Learning
通过智能强化学习在机器人操作中学习鲁棒执行
机构 * School of Inteligence Science and Engineering, the Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）智能科学与工程学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院）
AI总结 针对机器人操作面临的挑战，提出用两个互补指标评估执行质量，构建智能强化学习框架，通过高级决策恢复有效执行，在LIBERO基准测试中提升了执行成功率，增强了执行鲁棒性。
Layered Risk Mapping for Autonomous Patient Transport in Expeditionary Medical Facilities
用于远征医疗设施中自主患者运输的分层风险映射
机构 * Institute for Experiential Robotics, Northeastern University（体验式机器人研究所，东北大学）
AI总结 针对远征医疗设施中自主患者运输面临的复杂导航挑战，提出分层风险映射框架，融合多种环境危害，经配对蒙特卡洛评估及实际验证，有效降低碰撞率、提高障碍物清除率，满足相关运营模式规划要求。
Robust bipedal locomotion on flowable slopes via foot-driven terrain manipulation
通过足部驱动的地形操纵在可流动斜坡上实现稳健的双足运动
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northeastern University（东北大学）
AI总结 研究双足机器人在颗粒斜坡上的运动控制问题，通过研究带防滑钉足部的地面动力学，发现中等防滑钉间距利于行走，据此设计可调整防滑钉深度的足部，应用于大小不同的双足机器人，提出以肢体为中心调节地形相互作用的新控制方法。
Comments 38 pages, 12 figures
ToFu: A White-Box, Token-Efficient Agent Harness for Researchers
ToFu：面向研究人员的白盒、令牌高效代理工具包
机构 * Northeastern University（东北大学） ； LongCat RSI, Meituan（美团龙猫RSI） ； NiuTrans Research（小牛翻译研究院）
AI总结 研究提出ToFu这一代理工具包，作为研究助手，以高令牌效率等支持实际研究流程，且能本地部署；作为研究对象，提供白盒工具包供研究人员检查、修改和评估，兼具强大性能与用户体验。
Pix2Act: Image-Space Manipulation Policies with Equivariant Augmentation
Pix2Act：具有等变增强的图像空间操纵策略
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Brown University（布朗大学） ； Texas A&M University（德州农工大学）
AI总结 研究针对将操纵动作表示为相机平面二维轨迹带来的挑战，提出Pix2Act模仿学习方法，通过生成图像空间关键点轨迹及三角测量恢复末端执行器姿态，将三维控制转为二维预测问题，提升泛化能力与性能，优于现有基线且抗相机扰动。
Comments Project Website: https://haojhuang.github.io/pix2act_page/
GHOST: Geometry-Guided Hallucination of Opaque Surface Textures
GHOST：不透明表面纹理的几何引导幻觉
机构 * School of Software, Northeastern University, Shenyang, China（软件学院，东北大学，沈阳，中国）
AI总结 针对透明物体给深度估计和3D重建带来的挑战，提出几何引导预处理框架GHOST，利用视觉基础模型，经多步骤处理分离属性、恢复法线先验并整合多模态线索，合成不透明RGB图像，显著提升相关模型对透明物体的处理精度。
Action Map Policy: Learning 3D Closed-loop Manipulation via Pixel Classification
动作映射策略：通过像素分类学习3D闭环操作
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； Brown University（布朗大学）
AI总结 研究针对机器人学习中动作空间的挑战，提出动作映射策略（AMP），将3D闭环操作策略学习转为图像空间分类问题，通过投影动作到图像平面，以像素为类别控制维度，实现高精度、快速推理，实验证明其优于基线。
Comments Project Website: https://haojhuang.github.io/amp_page/
CVKD-UDA: Cross-View Knowledge Distillation for 3D Unsupervised Domain Adaptive Segmentation
CVKD-UDA：用于3D无监督域自适应分割的跨视图知识蒸馏
机构 * School of Artificial Intelligence, Nanyang Normal University（南阳师范学院人工智能学院） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University（厦门大学信息学院福建省智慧城市感知与计算重点实验室）
AI总结 研究3D无监督域自适应分割，提出CVKD-UDA方法，通过将体素大小作为核心因素构建域相似表示，利用跨视图互补线索及设计相关组件平衡热身模型特性，有效提升自训练方法性能，为3D UDA分割提供新视角。
ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning
ARCANA：用于ARC-AGI-2推理的反射式多智能体程序合成框架
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Northeastern University（东北大学）
AI总结 ARCANA是用于ARC-AGI-2推理的多智能体框架，将任务分解为感知、假设生成等步骤，智能体通过可微黑板通信，由元控制器调度。其设计结合程序搜索与校正，提升了抽象转换任务的推理效率和解决方案质量。
Widest-Path Reachability Fields for Connectivity-Preserving Slender Structure Segmentation
用于保持连通性的细长结构分割的最宽路径可达性场
机构 * College of Information Science and Engineering, Northeastern University（东北大学信息科学与工程学院） ； Changsha Stomatological Hospital（长沙市口腔医院）
AI总结 研究针对细长曲线结构分割中拓扑破碎问题，提出最宽路径可达性场（WPRF），通过可微最大 - 最小代数重定向梯度流到连通性瓶颈，经多数据集实验验证，该方法能有效提升分割效果。
Open-Ended Scenario Reasoning for Specialist Model Adaptation
用于专家模型适配的开放式场景推理
机构 * College of Information Science and Engineering, Northeastern University（东北大学信息科学与工程学院）
AI总结 研究流程工业专家模型在新场景中退化问题，提出ROAM框架，利用大语言模型知识和推理，在不重训情况下使冻结模型适应新场景，实验证明该框架能有效降低误差并控制开销。
LLM-Guided Measurement Credibility Correction for Trustworthy Industrial Process Inference
用于可信工业过程推理的大语言模型引导的测量可信度校正
机构 * College of Information Science and Engineering, Northeastern University（信息科学与工程学院，东北大学）
AI总结 研究工业过程推理中测量可信度问题，提出大语言模型引导的测量可信度校正方法，通过转换测量语义、构建参考并校正冲突，使预测器输入更可信，在多任务中降低误差，增加少量参数且推理时间短，提升了预测准确性。
