Northeastern University（东北大学）

On Uncertainty Calibration for Equivariant Functions

关于等变函数的不确定性校准

Edward Berman, Jacob Ginesin, Marco Pacini, Robin Walters

机构 * Department of Mathematics, Northeastern University（东北大学数学系） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Trento & Fondazione Bruno Kessler（特伦托大学及布鲁诺·凯斯勒基金会） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Geometric Learning Lab（几何学习实验室） 纠错

AI总结 本文研究了等变函数与不确定性校准之间的关系，通过理论分析和实验验证，揭示了对称性不匹配对模型校准的影响。

Comments Published in Transactions on Machine Learning Research (TMLR). Code is available at https://github.com/EdwardBerman/EquiUQ . Excited to share this paper, comments welcome :D

DPMM-CFL: Clustered Federated Learning via Dirichlet Process Mixture Model Nonparametric Clustering

DPMM-CFL：通过Dirichlet过程混合模型非参数聚类实现聚类联邦学习

Mariona Jaramillo-Civill, Peng Wu, Pau Closas

机构 * Dept. of Electrical \& Computer Engineering, Northeastern University, Boston, MA, USA 纠错

AI总结 DPMM-CFL通过非参数贝叶斯推断自动确定聚类数量和客户端分配，实现更灵活的联邦学习框架。

Comments Accepted at ICASSP 2026; 5 pages, 2 figures

SFT Doesn't Always Hurt General Capabilities: Revisiting Domain-Specific Fine-Tuning in LLMs

SFT并不总是损害通用能力：重新审视LLM中的领域特定微调

Jiacheng Lin, Zhongruo Wang, Kun Qian, Tian Wang, Arvind Srinivasan, Hansi Zeng, Ruochen Jiao, Xie Zhou, Jiri Gesi, Dakuo Wang, Yufan Guo, Kai Zhong, Weiqi Zhang, Sujay Sanghavi, Changyou Chen, Hyokun Yun, Lihong Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University at Buffalo（布法罗大学） ； Northeastern University（东北大学） 纠错

AI总结 本文研究了SFT对LLM通用能力的影响，发现较小学习率可缓解性能下降，提出TALR方法在平衡领域特定性能与通用能力方面表现优异。

Comments Accepted by ICLR 2026

DiagLink: A Dual-User Diagnostic Assistance System by Synergizing Experts with LLMs and Knowledge Graphs

DiagLink：通过融合专家与LLM和知识图谱的双用户诊断辅助系统

Zihan Zhou, Yinan Liu, Yuyang Xie, Bin Wang, Xiaochun Yang, Zezheng Feng

机构 * Northeastern University（东北大学） ； Northeastern University School of Computer Science（东北大学计算机科学学院） ； Northeastern University Software College（东北大学软件学院） 纠错

AI总结 DiagLink通过融合LLM、知识图谱和专家，构建双用户诊断辅助系统，提升诊断效率和用户满意度。

Vlaser: Vision-Language-Action Model with Synergistic Embodied Reasoning

Vlaser：具有协同具身推理能力的视觉-语言-动作模型

Ganlin Yang, Tianyi Zhang, Haoran Hao, Weiyun Wang, Yibin Liu, Dehui Wang, Guanzhou Chen, Zijian Cai, Junting Chen, Weijie Su, Wengang Zhou, Yu Qiao, Jifeng Dai, Jiangmiao Pang, Gen Luo, Wenhai Wang, Yao Mu, Zhi Hou

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学） 纠错

AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。

BootSeer: Analyzing and Mitigating Initialization Bottlenecks in Large-Scale LLM Training

BootSeer：分析和缓解大规模大语言模型训练中的初始化瓶颈

Rui Li, Xiaoyun Zhi, Jinxin Chi, Menghan Yu, Lixin Huang, Jia Zhu, Weilun Zhang, Xing Ma, Wenjia Liu, Zhicheng Zhu, Daowen Luo, Zuquan Song, Xin Yin, Chao Xiang, Shuguang Wang, Wencong Xiao, Gene Cooperman

机构 * Northeastern University（东北大学） 纠错

AI总结 BootSeer通过优化容器镜像加载、依赖安装和模型检查点恢复，显著减少大规模LLM训练的启动开销。

Comments 18 pages, 14 figures

ThinkNote: Enhancing Knowledge Integration and Utilization of Large Language Models via Constructivist Cognition Modeling

ThinkNote: 通过建构主义认知建模增强大型语言模型的知识整合与利用

Zhipeng Xu, Zhenghao Liu, Yukun Yan, Shuo Wang, Shi Yu, Zheni Zeng, Chaojun Xiao, Zhiyuan Liu, Ge Yu, Chenyan Xiong

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） 纠错

AI总结 ThinkNote通过建构主义认知建模提升大型语言模型的知识整合与利用能力，实验表明其在问答任务中优于基线方法。

DPI: Exploiting Parameter Heterogeneity for Interference-Free Fine-Tuning

DPI: 利用参数异质性实现无干扰的微调

Xiaoyu Liu, Xiaoyu Guan, Di Liang, Xianjie Wu

机构 * College of Science, Northeastern University, Boston, United States（东北大学科学学院） ； University of Florida（佛罗里达大学） ； Beijing Information Science and Technology University（北京信息科技大学） 纠错

AI总结 本文提出利用参数异质性实现无干扰的微调方法，通过分离任务特定参数区域以减少跨任务干扰，提升模型适应下游任务的性能。

ClinNet: Evidential Ordinal Regression with Bilateral Asymmetry and Prototype Memory for Knee Osteoarthritis Grading

ClinNet: 基于双侧不对称性和原型记忆的证据有序回归用于膝关节骨性关节炎分级

Xiaoyang Li, Runni Zhou

机构 * College of Medicine and Biological Information Engineering, Northeastern University, Shenyang 110016, China.（医学与生物信息工程学院，东北大学，沈阳110016，中国） 纠错

AI总结 ClinNet通过双侧不对称编码器和原型记忆库，结合证据有序回归，提高膝关节骨性关节炎分级的准确性和不确定性估计能力。

Comments 12 pages

Learning the Wrong Lessons: Syntactic-Domain Spurious Correlations in Language Models

学习错误的教训：语言模型中的语法-领域虚假相关性

Chantal Shaib, Vinith M. Suriyakumar, Levent Sagun, Byron C. Wallace, Marzyeh Ghassemi

机构 * Northeastern University（东北大学） ； MIT（麻省理工学院） ； Meta 纠错

AI总结 研究揭示了语言模型中语法与领域之间的虚假相关性问题，指出训练数据中语法模板可能影响模型性能，并提出需测试此类相关性及确保训练数据多样性以防止错误学习。

Comments NeurIPS 2025 Spotlight

Measuring AI "Slop" in Text

测量文本中的AI‘模糊’

Chantal Shaib, Tuhin Chakrabarty, Diego Garcia-Olano, Byron C. Wallace

机构 * Northeastern University（东北大学） ； Stony Brook University（石溪大学） ； Meta AI 纠错

AI总结 本文提出了一种评估AI生成文本中'模糊'现象的框架，通过专家访谈和跨度标注，建立了可解释的评估维度，以衡量文本的连贯性和相关性。

GRAM: A Generative Foundation Reward Model for Reward Generalization

GRAM：一种用于奖励泛化的大规模生成式奖励模型

Chenglong Wang, Yang Gan, Yifu Huo, Yongyu Mu, Qiaozhi He, Murun Yang, Bei Li, Tong Xiao, Chunliang Zhang, Tongran Liu, 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） ； NiuTrans Research, Shenyang, China（NiuTrans研究） ； CAS Key Laboratory of Behavioral Science, Institute of Psychology, CAS, Beijing, China（中国科学院行为科学重点实验室） ； Meituan Inc.（美团公司） 纠错

AI总结 GRAM提出了一种生成式奖励模型，通过结合无监督和监督学习，提升奖励模型在多种任务上的泛化能力，有效改进了基线模型的性能。

Comments Accepted by ICML 2025

ES4R: Speech Encoding Based on Prepositive Affective Modeling for Empathetic Response Generation

基于前置情感建模的语音编码用于共情响应生成

Zhuoyue Gao, Xiaohui Wang, Xiaocui Yang, Wen Zhang, Daling Wang, Shi Feng, Yifei Zhang

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

AI总结 ES4R通过前置情感建模和双层注意力机制，提升语音对话中的共情响应生成能力，优于现有基线模型。

ICON: Invariant Counterfactual Optimization with Neuro-Symbolic Priors for Text-Based Person Search

ICON: 基于神经符号先验的文本基人物搜索不变反事实优化

Xiangyu Wang, Zhixin Lv, Yongjiao Sun, Anrui Han, Ye Yuan, Hangxu Ji

机构 * College of Computer Science and Engineering, Northeastern University（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（教育部智能医学图像计算重点实验室，东北大学） ； School of AI, Beijing Institute of Technology（北京理工大学人工智能学院） ； Foshan Graduate School of Innovation, Northeastern University（创新研究生院，东北大学） 纠错

AI总结 ICON通过引入神经符号先验，结合因果和拓扑先验，解决文本基人物搜索中的鲁棒性问题，提升对遮挡、背景干扰和定位噪声的抗性。

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting

CT-PatchTST：用于长周期可再生能源预测的通道-时间补丁时间序列变压器

Kuan Lu, Menghao Huo, Yuxiao Li, Qiang Zhu, Zhenrui Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） ； Fu Foundation School of Engineering and Applied Science（富兰克林基金会工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） 纠错

AI总结 CT-PatchTST通过捕捉时间依赖性和跨通道相关性，提升风能和太阳能的长周期预测精度，优化能源存储调度，增强电网稳定性与响应性。

Comments Published in: 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT)

Journal ref 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT), pp. 86-95

IIR-VLM: In-Context Instance-level Recognition for Large Vision-Language Models

IIR-VLM：面向大视觉-语言模型的上下文实例识别

Liang Shi, Wei Li, Kevin M Beussman, Lin Chen, Yun Fu

机构 * Northeastern University（东北大学） ； Wyze Labs, Inc.（Wyze实验室） 纠错

AI总结 IIR-VLM通过整合预训练的ILR专家模型，提升大视觉-语言模型在上下文实例识别中的性能，有效解决细粒度辨别问题。

Analyzing VLM-Based Approaches for Anomaly Classification and Segmentation

分析基于视觉语言模型的异常分类和分割方法

Mohit Kakda, Mirudula Shri Muthukumaran, Uttapreksha Patel, Lawrence Swaminathan Xavier Prince

机构 * Northeastern University（东北大学） 纠错

AI总结 本文分析了基于视觉语言模型的异常分类和分割方法，探讨了其架构范式、对齐策略及性能评估，为工业质量控制提供了方法选择和未来研究方向的指导。

Comments 10 pages,4 images

H-SPLID: HSIC-based Saliency Preserving Latent Information Decomposition

基于HSIC的显著性保持潜在信息分解

Lukas Miklautz, Chengzhi Shi, Andrii Shkabrii, Theodoros Thirimachos Davarakis, Prudence Lam, Claudia Plant, Jennifer Dy, Stratis Ioannidis

机构 * Department of Machine Learning and Systems Biology, Max Planck Institute of Biochemistry（机器学习与系统生物学系，马克斯·普朗克生物化学研究所） ； Northeastern University（东北大学） ； Faculty of Computer Science, University of Vienna（计算机科学系，维也纳大学） ； Doctoral School Computer Science, University of Vienna（计算机科学博士学院，维也纳大学） ； Research Network Data Science, University of Vienna（数据科学研究网络，维也纳大学） 纠错

AI总结 H-SPLID通过显式分解显著和非显著特征，提升任务相关特征学习的鲁棒性和信息保留能力。

Comments Accepted at NeurIPS 2025

SPHENIC: Topology-Aware Multi-View Clustering for Spatial Transcriptomics

SPHENIC：面向空间转录组学的拓扑感知多视图聚类

Chenkai Guo, Yikai Zhu, Renxiang Guan, Jinli Ma, Siwei Wang, Ke Liang, Guangdun Peng, Dayu Hu

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） ； Guangzhou Institutes of Biomedicine and Health, Chinese Academy of Sciences（广州生物医学与健康研究院，中国科学院） ； College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） ； Intelligent Game and Decision Lab, Academy of Military Sciences（智能游戏与决策实验室，军事科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 SPHENIC通过整合拓扑持续同调和空间约束优化，提升空间转录组学中细胞聚类的鲁棒性和准确性。

Comments 9 pages, 5 figures, 2 tables

Generative Personality Simulation via Theory-Informed Structured Interview

通过理论指导的结构化访谈生成人格模拟

Pengda Wang, Huiqi Zou, Han Jiang, Hanjie Chen, Tianjun Sun, Xiaoyuan Yi, Ziang Xiao, Frederick L. Oswald

机构 * Department of Psychological Sciences & 2 Department of Computer Science, Rice University（1 心理学系 & 2 计算机科学系，莱斯大学） ； Department of Electrical and Computer Engineering, Northeastern University（3 电气与计算机工程系，东北大学） ； Department of Computer Science, Johns Hopkins University（4 计算机科学系，约翰霍普金斯大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出通过理论指导的结构化访谈提升LLM生成的人格数据异质性，结合心理测量理论改进模拟保真度，并预测人格相关行为结果。

Comments Accepted at EACL 2026; 87 Pages, 68 Tables, 10 Figures

Beyond Visual Realism: Toward Reliable Financial Time Series Generation

超越视觉真实性：迈向可靠的金融时间序列生成

Fan Zhang, Jiabin Luo, Zheng Zhang, Shuanghong Huang, Zhipeng Liu, Yu Chen

机构 * The University of Tokyo（东京大学） ； Peking University（北京大学） ； Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Northeastern University（东北大学） 纠错

AI总结 本文提出 SFAG 模型，通过引入结构性约束解决金融时间序列生成中对尾部事件和不对称性的忽视问题，提升生成数据的实用性和稳定性。

Comments Accepted by ICASSP 2026

Teaching LLMs to Learn Tool Trialing and Execution through Environment Interaction

通过环境交互教授LLMs学习工具尝试与执行

Xingjie Gao, Pengcheng Huang, Zhenghao Liu, Yukun Yan, Shuo Wang, Zulong Chen, Chen Qian, Ge Yu, Yu Gu

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Alibaba Group（阿里巴巴集团） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

AI总结 ToolMaster通过环境交互主动学习工具使用，提升LLMs在新工具上的泛化与鲁棒性。

Rethinking the Value of Multi-Agent Workflow: A Strong Single Agent Baseline

重新思考多智能体工作流的价值：一个强大的单智能体基线

Jiawei Xu, Arief Koesdwiady, Sisong Bei, Yan Han, Baixiang Huang, Dakuo Wang, Yutong Chen, Zheshen Wang, Peihao Wang, Pan Li, Ying Ding

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本研究通过单个代理的多轮对话模拟多智能体工作流，提出OneFlow算法，实现高效且准确的多代理流程，为多智能体系统研究提供强基线。

EmoBipedNav: Emotion-aware Social Navigation for Bipedal Robots with Deep Reinforcement Learning

EmoBipedNav：基于深度强化学习的具有情绪感知的双足机器人社交导航

Wei Zhu, Abirath Raju, Abdulaziz Shamsah, Anqi Wu, Seth Hutchinson, Ye Zhao

机构 * Laboratory for Intelligent Decision and Autonomous Robots, Woodruff School of Mechanical Engineering, Georgia Institute of Technology（智能决策与自主机器人实验室，伍德鲁夫机械工程学院，佐治亚理工学院） ； College of Engineering and Petroleum, Kuwait University（工程与石油学院，科威特大学） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程学院，佐治亚理工学院） ； Khoury College of Computer Sciences, Northeastern University（计算机科学学院，东北大学） 纠错

AI总结 EmoBipedNav通过深度强化学习实现双足机器人在社交环境中的情绪感知导航，结合运动约束与社交动态，提升安全性和交互效率。

Comments 13 pages

One-Sided Matrix Completion from Ultra-Sparse Samples

从超稀疏样本进行单边矩阵补全

Hongyang R. Zhang, Zhenshuo Zhang, Huy L. Nguyen, Guanghui Lan

机构 * Northeastern University, Boston（东北大学，波士顿） ； Georgia Institute of Technology, Atlanta（佐治亚理工学院，亚特兰大） 纠错

AI总结 本文提出了一种在超稀疏样本条件下通过梯度下降估计二阶矩矩阵T的方法，以实现单边矩阵补全，并在实验中验证了其有效性。

Comments 41 pages

Journal ref Trans. Mach. Learn. Res. 2026

CoT Referring: Improving Referring Expression Tasks with Grounded Reasoning

CoT Referring: 通过 grounded 推理改进指称表达任务

Qihua Dong, Luis Figueroa, Handong Zhao, Kushal Kafle, Jason Kuen, Zhihong Ding, Scott Cohen, Yun Fu

机构 * Adobe Research（Adobe研究院） ； Northeastern University（东北大学） 纠错

AI总结 通过 grounded 推理改进指称表达任务，提出CoT Referring方法，提升多模态大语言模型在复杂指称场景中的性能。

Comments MLLM, Referring Expression Segmentation

MoLAN: A Unified Modality-Aware Noise Dynamic Editing Framework for Multimodal Sentiment Analysis

MoLAN: 一种统一的多模态感知噪声动态编辑框架用于多模态情感分析

Xingle Xu, Yongkang Liu, Dexian Cai, Shi Feng, Xiaocui Yang, Daling Wang, Yifei Zhang

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

AI总结 MoLAN提出了一种统一的多模态感知噪声动态编辑框架，通过动态分配去噪强度以提升多模态情感分析的性能。

We Need a More Robust Classifier: Dual Causal Learning Empowers Domain-Incremental Time Series Classification

我们需要一个更稳健的分类器：双因果学习赋能领域增量时间序列分类

Zhipeng Liu, Peibo Duan, Xuan Tang, Haodong Jing, Mingyang Geng, Yongsheng Huang, Jialu Xu, Bin Zhang, Binwu Wang

机构 * School of Software, Northeastern University（东北大学软件学院） ； Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（西安交通大学人工智能与机器人研究所） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Software, University of Science and Technology of China（中国科学技术大学软件学院） 纠错

AI总结 本文提出双因果学习框架DualCD，通过解耦因果特征与虚假特征，提升领域增量时间序列分类的鲁棒性。

Comments This paper has been accepted for publication at ACM WWW 2026

Long-Chain Reasoning Distillation via Adaptive Prefix Alignment

通过自适应前缀对齐实现长链推理蒸馏

Zhenghao Liu, Zhuoyang Wu, Xinze Li, Yukun Yan, Shuo Wang, Zulong Chen, Yu Gu, Ge Yu, Maosong Sun

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） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学计算机科学与技术系） ； Alibaba Group, China（阿里巴巴集团） 纠错

AI总结 通过自适应前缀对齐方法提升学生模型的推理能力，有效蒸馏教师生成的长推理轨迹。

Identifying Models Behind Text-to-Image Leaderboards

识别文本到图像排行榜背后的模型

Ali Naseh, Yuefeng Peng, Anshuman Suri, Harsh Chaudhari, Alina Oprea, Amir Houmansadr

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Northeastern University（东北大学） 纠错

AI总结 研究揭示了文本到图像排行榜中通过图像嵌入空间聚类实现模型匿名性的突破，发现模型特定特征及提示对可区分性的影响，揭示了排行榜中的安全漏洞。