Northeastern University（东北大学）

DynaRAG: Bridging Static and Dynamic Knowledge in Retrieval-Augmented Generation

DynaRAG：连接静态与动态知识的检索增强生成

Penghao Liang, Mengwei Yuan, Jianan Liu, Jing Yang, Xianyou Li, Weiran Yan, Yichao Wu

机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； New York University（纽约大学） 纠错

AI总结 DynaRAG通过动态知识整合处理静态和时效性信息需求，采用LLM重排器、充分性分类器和Gorilla v2模型提升回答准确性与鲁棒性。

Den-TP: A Density-Balanced Data Curation and Evaluation Framework for Trajectory Prediction

Den-TP：一种基于密度平衡的数据整理与评估框架用于轨迹预测

Ruining Yang, Yi Xu, Yun Fu, Lili Su

机构 * Northeastern University, USA（东北大学） 纠错

AI总结 本文提出Den-TP框架，通过密度感知的数据整理和评估方法，平衡轨迹预测数据集的密度分布，提升模型鲁棒性。

Comments Accepted by CVPR2026

Contingency-Aware Planning via Certified Neural Hamilton-Jacobi Reachability

通过认证的神经哈密顿-雅可比可达性进行 contingency 意识规划

Kasidit Muenprasitivej, Derya Aksaray

机构 * Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

AI总结 本文提出一种结合学习可达性与采样规划的多目标导航框架，利用FNO近似解算器解决高维HJ方程，提供理论安全保证并验证在Webots仿真中实时部署的性能。

Comments 9 pages, 4 figures

What on Earth is AlphaEarth? Hierarchical structure and functional interpretability for global land cover

什么是AlphaEarth？全球土地覆盖的分层结构和功能可解释性

Ivan Felipe Benavides-Martinez, Justin Guthrie, Jhon Edwin Arias, Yeison Alberto Garces-Gomez, Angela Ines Guzman-Alvis, Cristiam Victoriano Portilla-Cabrera, Somnath Mondal, Andrew J. Allyn, Auroop R. Ganguly

机构 * The Institute for Experiential Artificial Intelligence（体验式人工智能研究所） ； Northeastern University（东北大学） ； Gulf of Maine Research Institute（缅因湾研究机构） ； School of Engineering and Architecture（工程与建筑学院） ； Universidad Católica de Manizales（曼地拉天主教大学） ； Grupo de Investigación en Recursos Hidrobiológicos（水资源生物学研究组） ； Departamento de Ingeniería（工程系） ； Universidad Nacional de Colombia（哥伦比亚国家大学） 纠错

AI总结 本文提出功能可解释性框架，通过分析嵌入维度对土地覆盖结构的贡献，揭示AlphaEarth嵌入空间的分层功能组织，展示通过少量维度即可实现高精度土地覆盖分类。

Draft and Refine with Visual Experts

草稿与润色：借助视觉专家

Sungheon Jeong, Ryozo Masukawa, Jihong Park, Sanggeon Yun, Wenjun Huang, Hanning Chen, Mahdi Imani, Mohsen Imani

机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； MOLOCO 纠错

AI总结 本文提出DnR框架，通过可视化专家反馈提升模型视觉利用能力，减少幻觉并提高多模态系统可解释性。

Comments Accepted to CVPR 2026

Diffusion-DRF: Free, Rich, and Differentiable Reward for Video Diffusion Fine-Tuning

Diffusion-DRF：免费、丰富且可微的奖励用于视频扩散微调

Yifan Wang, Yanyu Li, Gordon Guocheng Qian, Sergey Tulyakov, Yun Fu, Anil Kag

机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司） 纠错

AI总结 本文提出Diffusion-DRF框架，通过多维问题和密集VQA解释查询生成丰富反馈，实现稳定奖励微调，无需偏好数据集。

Comments Webpage: https://snap-research.github.io/diffusion-drf/

REFORGE: Multi-modal Attacks Reveal Vulnerable Concept Unlearning in Image Generation Models

REFORGE：多模态攻击揭示图像生成模型中的脆弱概念反向学习

Yong Zou, Haoran Li, Fanxiao Li, Shenyang Wei, Yunyun Dong, Li Tang, Wei Zhou, Renyang Liu

机构 * Yunnan University（云南大学） ； Northeastern University（东北大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 REFORGE通过对抗性图像提示评估图像生成模型反向学习的鲁棒性，揭示现有方法的持续漏洞，提出更高效的多模态对抗攻击策略。

Comments Accepted by ICME 2026

On the Emotion Understanding of Synthesized Speech

合成语音情感理解研究

Yuan Ge, Haishu Zhao, Aokai Hao, Junxiang Zhang, Bei Li, Xiaoqian Liu, Chenglong Wang, Jianjin Wang, Bingsen Zhou, Bingyu Liu, Jingbo Zhu, Zhengtao Yu, Tong Xiao

机构 * Northeastern University, China（东北大学） ； Meituan（美团） ； NiuTrans Research（NiuTrans研究院） ； Kunming University of Science and Technology（昆明理工大学） 纠错

AI总结 本文系统评估了合成语音上情感识别模型的泛化能力，发现现有模型因合成过程中的语音token预测导致表示不匹配，无法有效捕捉情感特征，且生成式语音模型易忽略非语言线索。

DermaFlux: Synthetic Skin Lesion Generation with Rectified Flows for Enhanced Image Classification

DermaFlux：基于修正流的合成皮肤病变生成用于增强图像分类

Stathis Galanakis, Alexandros Koliousis, Stefanos Zafeiriou

机构 * Imperial College London, UK（伦敦帝国理工学院） ； Northeastern University London, UK（伦敦东北大学） 纠错

AI总结 DermaFlux通过生成临床相关的皮肤病变图像，提升二分类性能，实验表明其在小数据集上提升6%，在合成数据上提升9%。

Offline Exploration-Aware Fine-Tuning for Long-Chain Mathematical Reasoning

离线探索感知微调用于长链数学推理

Yongyu Mu, Jiali Zeng, Fandong Meng, JingBo Zhu, Tong Xiao

机构 * NLP Lab, School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院自然语言处理实验室，中国沈阳） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯公司微信人工智能部门模式识别中心，中国） 纠错

AI总结 本文提出OXA微调方法，通过优化两个目标提升数学推理能力，实验显示在六个基准测试中OXA相比传统SFT在Pass@1和Pass@$k$上平均提升6和5分。

Comments Working in process

When Generative Augmentation Hurts: A Benchmark Study of GAN and Diffusion Models for Bias Correction in AI Classification Systems

生成增强有害：GAN和扩散模型在AI分类系统中的偏见校正基准研究

Shesh Narayan Gupta, Nik Bear Brown

机构 * College of Engineering, Northeastern University（东北大学工程学院） 纠错

AI总结 本文通过对比三种增强策略，发现生成增强在低数据条件下会增加分类器偏见，Stable Diffusion结合LoRA表现最佳，揭示了GAN增强在特定样本量下的有害性。

Tau-BNO: Brain Neural Operator for Tau Transport Model

Tau-BNO：用于Tau传输模型的脑神经运算符

Nuutti Barron, Heng Rao, Urmi Saha, Yu Gu, Zhenghao Liu, Ge Yu, Defu Yang, Ashish Raj, Minghan Chen

机构 * Department of Radiology and Biomedical Imaging, University of California San Francisco, USA（加州大学旧金山分校放射学与生物医学成像系） ； College 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, Hangzhou Normal University, China（杭州师范大学计算机科学系） ； Department of Computer Science, Wake Forest University, USA（威克森林大学计算机科学系） 纠错

AI总结 本文提出Tau-BNO，一种用于快速近似NTM动力学的脑神经运算符框架，能够捕捉区域内反应动力学和区域间网络传输，提升预测精度并加速复杂模型分析。

VisualLeakBench: Auditing the Fragility of Large Vision-Language Models against PII Leakage and Social Engineering

VisualLeakBench: 对大型视觉-语言模型在PII泄露和社会工程中的脆弱性进行审计

Youting Wang, Yuan Tang, Yitian Qian, Chen Zhao

机构 * Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学） ； New York University（纽约大学） 纠错

AI总结 本文提出VisualLeakBench，通过合成对抗图像评估LVLMs对OCR注入和PII泄露的鲁棒性，揭示了Claude~4在PII识别上的高风险及防御策略的模板依赖性。

Thinking in Uncertainty: Mitigating Hallucinations in MLRMs with Latent Entropy-Aware Decoding

在不确定性中思考：通过潜在熵感知解码减轻MLRMs中的幻觉

Zhongxing Xu, Zhonghua Wang, Zhe Qian, Dachuan Shi, Feilong Tang, Ming Hu, Shiyan Su, Xiaocheng Zou, Wei Feng, Dwarikanath Mahapatra, Yifan Peng, Mingquan Lin, Zongyuan Ge

机构 * Monash University（墨尔本大学） ； Georgia Tech（佐治亚理工学院） ； Cornell University（康奈尔大学） ； Northeastern University（东北大学） ； Khalifa University（卡利法大学） ； University of Minnesota（明尼苏达大学） 纠错

AI总结 本文提出通过潜在熵感知解码策略减轻多模态大推理模型中的幻觉问题，利用语义上下文增强推理能力。

Uncertainty Quantification and Data Efficiency in AI: An Information-Theoretic Perspective

人工智能中的不确定性量化与数据效率：信息论视角

Osvaldo Simeone, Yaniv Romano

机构 * Institute for Intelligent Networked Systems, Northeastern University London（智能网络系统研究所，诺思安普顿大学伦敦分校） ； Departments of Electrical and Computer Engineering and of Computer Science at the Technion–Israel Institute of Technology（技术ion-以色列理工学院电子与计算机工程系和计算机科学系） 纠错

AI总结 本文从信息论角度探讨了人工智能中数据有限场景下的不确定性量化与数据效率问题，分析了贝叶斯学习框架、信息论泛化界限及合成数据增强等方法。

HyReaL: Clustering Attributed Graph via Hyper-Complex Space Representation Learning

HyReaL: 通过超复数空间表示学习进行属性图聚类

Junyang Chen, Yang Lu, Mengke Li, Cuie Yang, Yiqun Zhang, Yiu-ming Cheung

机构 * Tsinghua University（清华大学） ； Xiamen University（厦门大学） ； Shenzhen University（深圳大学） ； Northeastern University（东北大学） ； Hong Kong Baptist University（香港 Baptist大学） 纠错

AI总结 HyReaL通过引入超复数空间提升属性图聚类的表示学习，解决过平滑问题，增强属性耦合学习能力，无需过多图卷积层即可实现更有效的聚类。

Comments Accepted to DASFAA 2026

Dynamic Aware: Adaptive Multi-Mode Out-of-Distribution Detection for Trajectory Prediction in Autonomous Vehicles

动态感知：面向自动驾驶轨迹预测的自适应多模式异常检测

Tongfei Guo, Lili Su

机构 * Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） 纠错

AI总结 本文提出一种自适应多模式异常检测框架，通过建模误差模式提升轨迹预测的鲁棒性，在复杂驾驶环境中实现更高效的异常检测。

Comments 8 pages, 7 figures

Hierarchical Dual-Change Collaborative Learning for UAV Scene Change Captioning

层次化双变化协作学习用于无人机场景变化描述

Fuhai Chen, Pengpeng Huang, Junwen Wu, Hehong Zhang, Shiping Wang, Xiaoguang Ma, Xuri Ge

机构 * Fuzhou University（福州大学） ； Shandong University（山东大学） ； Foshan Graduate School of Innovation, Northeastern University（佛山创新研究生学院，东北大学） 纠错

AI总结 本文提出无人机场景变化描述任务，旨在生成动态空中影像语义变化的自然语言描述。通过层次化双变化协作学习方法，结合动态自适应布局变换器和层次化跨模态方向一致性校准，提升对视角变化的敏感度，实现在移动视角下的场景变化描述。

Comments 20 pages,10 figures

Multiscale Structure-Guided Latent Diffusion for Multimodal MRI Translation

多尺度结构引导的潜在扩散模型用于多模态MRI翻译

Jianqiang Lin, Zhiqiang Shen, Peng Cao, Jinzhu Yang, Osmar R. Zaiane, Xiaoli Liu

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，沈阳，中国） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室，东北大学，沈阳，中国） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心，沈阳，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学阿米人工智能研究所，埃德蒙顿，阿尔伯塔，加拿大） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究（北京）有限公司，北京，中国） 纠错

AI总结 本文提出MSG-LDM框架，通过多尺度特征空间分离风格与结构信息，提升多模态MRI翻译的结构一致性与纹理细节。

Multi-objective Genetic Programming with Multi-view Multi-level Feature for Enhanced Protein Secondary Structure Prediction

多目标遗传编程与多视角多层级特征用于增强蛋白质二级结构预测

Yining Qian, Lijie Su, Meiling Xu, Xianpeng Wang

机构 * National Frontiers Science Center for Industrial Intelligence and Systems Optimization（国家工业智能与系统优化前沿科学中心） ； Key Laboratory of Data Analytics and Optimization for Smart Industry (Northeastern University)（智能工业数据解析与优化关键实验室（东北大学）） ； Liaoning Engineering Laboratory of Data Analytics and Optimization for Smart Industry（辽宁智能工业数据解析与优化工程实验室） ； Liaoning Key Laboratory of Manufacturing System and Logistics Optimization（辽宁制造系统与物流优化重点实验室） 纠错

AI总结 本文提出MOGP-MMF框架，通过多视角多层级特征选择与融合，提升蛋白质二级结构预测的准确性与效率，实验显示其在Q8精度和结构完整性上优于现有方法。

A Semi-Decentralized Approach to Multiagent Control

多智能体控制的半去中心化方法

Mahdi Al-Husseini, Mykel J. Kochenderfer, Kyle H. Wray

机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出半去中心化方法，用于解决多智能体控制中的通信不确定性问题，通过SDec-POMDP框架统一了去中心化和多智能体POMDP，并引入RS-SDA*算法生成最优策略。

Coupling Tensor Trains with Graph of Convex Sets: Effective Compression, Exploration, and Planning in the C-Space

张量张量与凸集图的耦合：在C空间中实现有效的压缩、探索与规划

Gerhard Reinerth, Riddhiman Laha, Marcello Romano

机构 * Technical University of Munich（慕尼黑技术大学） ； Northeastern University（东北大学） 纠错

AI总结 TANGO通过结合张量压缩与图优化，在C空间中实现高效、几何感知的运动规划，提升轨迹生成的质量和效率。

Comments 8 pages, 10 figures, accepted paper for ICRA2026

IDRL: An Individual-Aware Multimodal Depression-Related Representation Learning Framework for Depression Diagnosis

IDRL: 一种面向抑郁症诊断的个体感知多模态抑郁症相关表示学习框架

Chongxiao Wang, Junjie Liang, Peng Cao, Jinzhu Yang, Osmar R. Zaiane

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） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心） ； Alberta Machine Intelligence Institute, University of Alberta, Edmonton, Canada（阿尔伯塔机器智能研究所，阿尔伯塔大学，加拿大爱德蒙顿） 纠错

AI总结 IDRL框架通过分解多模态表示并引入个体感知的模态融合模块，提升抑郁症诊断的鲁棒性和适应性。

Co-Diffusion: An Affinity-Aware Two-Stage Latent Diffusion Framework for Generalizable Drug-Target Affinity Prediction

Co-Diffusion：一种面向亲和力的两阶段潜在扩散框架用于通用化药物-靶点亲和力预测

Yining Qian, Pengjie Wang, Yixiao Li, An-Yang Lu, Cheng Tan, Shuang Li, Lijun Liu

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； College of Information Science and Engineering, Northeastern University（东北大学信息科学与工程学院） ； Westlake University（西湖大学） ； School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Key Laboratory of Bioresource Research and Development of Liaoning Province, College of Life and Health Sciences, Northeastern University（辽宁省生物资源研究开发重点实验室，东北大学生命与健康科学学院） 纠错

AI总结 Co-Diffusion通过两阶段潜在扩散框架提升药物-靶点亲和力预测的泛化能力，解决冷启动问题并增强零样本泛化。

Visually-Guided Controllable Medical Image Generation via Fine-Grained Semantic Disentanglement

通过细粒度语义解耦实现视觉引导的可控医学图像生成

Xin Huang, Junjie Liang, Qingshan Hou, Peng Cao, Jinzhu Yang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，中国沈阳） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室，东北大学，中国沈阳） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心，中国沈阳） ； AiShiWeiLai AI Research, China（艾世维来人工智能研究，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学艾米人工智能研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

AI总结 本文提出视觉引导的文本解耦框架，通过细粒度语义解耦提升医学图像生成的可控性和生成质量。

Comments 10 pages, 7 figures. Currently under review

Autoencoding-Free Context Compression for LLMs via Contextual Semantic Anchors

无需自动编码的上下文压缩用于LLM：通过上下文语义锚点

Xin Liu, Runsong Zhao, Pengcheng Huang, Xinyu Liu, Junyi Xiao, Chunyang Xiao, Tong Xiao, Shengxiang Gao, Zhengtao Yu, Jingbo Zhu

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，中国沈阳） ； NiuTrans Research, Shenyang, China（沈阳NiuTrans研究院，中国） ； Kunming University of Science and Technology, Kunming, China（昆明理工大学，中国昆明） 纠错

AI总结 SAC通过引入锚点嵌入和双向注意力修改，无需自动编码即可实现更高效的上下文压缩，提升问答和长上下文摘要任务性能。

Comments 23 pages,10 figures

One-Prompt Strikes Back: Sparse Mixture of Experts for Prompt-based Continual Learning

一次提示反击：稀疏专家混合用于基于提示的持续学习

Minh Le, Bao-Ngoc Dao, Huy Nguyen, Quyen Tran, Anh Nguyen, Nhat Ho

机构 * Trivita AI ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Northeastern University（东北大学） ； Hanoi University of Science and Technology（河内科学技术大学） ； Rutgers University（罗格斯大学） 纠错

AI总结 SMoPE通过稀疏专家混合结合任务特定和共享提示策略，有效解决持续学习中的性能与效率权衡问题。

Comments Accepted to ICLR 2026

Are you sure? Measuring models bias in content moderation through uncertainty

你确定吗？通过不确定性测量内容审核中的模型偏差

Alessandra Urbinati, Mirko Lai, Simona Frenda, Marco Antonio Stranisci

机构 * Laboratory for the Modeling of Biological and Socio-technical Systems, Northeastern University（生物与社会技术系统建模实验室，东北大学） ； Heriot-Watt University（赫瑞-瓦特大学） ； aequa-tech（aequa-tech公司） ； Università del Piemonte Orientale（皮埃蒙特东方大学） ； Università degli Studi di Torino（托里尼大学） 纠错

AI总结 本文提出通过模型预测不确定性来衡量内容审核中模型的偏差，揭示预训练模型对少数群体的预测准确性与置信度的差异，以改进模型公平性。

Comments accepted at Findings of ACL: EMNLP 2025

LaTeXTrans: Structured LaTeX Translation with Multi-Agent Coordination

LaTeXTrans: 带多智能体协调的结构化LaTeX翻译

Ziming Zhu, Chenglong Wang, Haosong Xv, Shunjie Xing, Yifu Huo, Fengning Tian, Quan Du, Di Yang, Chunliang Zhang, Tong Xiao, Jingbo Zhu

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，中国沈阳） ； NiuTrans Research, Shenyang, China（牛译研究院，中国沈阳） 纠错

AI总结 LaTeXTrans通过多智能体协作实现结构化LaTeX文档的准确翻译，提升格式保留和术语一致性。

AgentA/B: Automated and Scalable Web A/BTesting with Interactive LLM Agents

AgentA/B: 基于交互式LLM代理的自动化和可扩展的网页A/B测试

Yuxuan Lu, Ting-Yao Hsu, Hansu Gu, Limeng Cui, Yaochen Xie, William Headden, Bingsheng Yao, Akash Veeragouni, Jiapeng Liu, Sreyashi Nag, Jessie Wang, Dakuo Wang

机构 * Northeastern University（东北大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon USA（亚马逊美国） 纠错

AI总结 AgentA/B通过交互式LLM代理实现自动化和可扩展的网页A/B测试，模拟用户行为以评估网页设计效果。