AnalogSAGE: Self-evolving Analog Design Multi-Agents with Stratified Memory and Grounded Experience
AnalogSAGE: 带分层记忆和基础经验的自进化模拟设计多智能体
机构 * Northeastern University（东北大学） ； Kansas State University（堪萨斯州立大学）
AI总结 AnalogSAGE通过分层记忆和基础经验提升模拟设计自动化可靠性与自主性
高校专区
Northeastern University（东北大学）
Scaling Adversarial Training via Data Selection
通过数据选择实现对抗训练的扩展
机构 * Northeastern University（东北大学）
AI总结 本文提出选择性对抗训练方法，通过数据选择减少计算成本，提升对抗鲁棒性。
Comments 6 pages. Conference workshop paper
Don't Pay Attention, PLANT It: Pretraining Attention via Learning-to-Rank
不要关注，PLANT它：通过学习排序进行预训练注意力
机构 * Khoury College of Computer Sciences, Northeastern University（东北大学克劳利计算机科学学院）
AI总结 PLANT通过学习排序模型预训练注意力，提升多标签文本分类性能，尤其在少样本和稀有标签任务中表现突出。
Context-Aware Sentiment Forecasting via LLM-based Multi-Perspective Role-Playing Agents
基于LLM的多视角角色扮演代理的上下文感知情感预测
机构 * Shenzhen International Graduate School Tsinghua University（清华大学深圳国际研究生院） ； Department of Electronic Engineering Tsinghua University（清华大学电子工程系） ； Northeastern University at Qinghuangdao（清华大学秦皇岛分校） ； Department of Computer Science University of California Irvine（加州大学 Irvine 分校计算机科学系）
AI总结 本文提出基于LLM的多视角角色扮演框架，用于社交媒体中基于上下文的情感预测，通过提取情感相关特征提升预测性能。
Cost-TrustFL: Cost-Aware Hierarchical Federated Learning with Lightweight Reputation Evaluation across Multi-Cloud
跨多云环境的成本感知联邦学习：轻量级声誉评估的分层联邦学习
机构 * Westcliff University（韦斯特克莱夫大学） ； University of Virginia（弗吉尼亚大学） ； University of Washington（华盛顿大学） ； Northeastern University（东北大学） ； University of Michigan（密歇根大学）
AI总结 Cost-TrustFL通过轻量级声誉评估和成本感知聚合策略，在多云环境中实现模型性能与通信成本的联合优化，有效防御中毒攻击。
Sample-Efficient Policy Constraint Offline Deep Reinforcement Learning based on Sample Filtering
基于样本过滤的高效策略约束离线深度强化学习
机构 * Guangdong Key Laboratory of Intelligent Morphing Mechanisms（广东智能变形机制与自适应机器人重点实验室） ； the Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳研究院） ； Faculty of Robot Science and Engineering（机器人科学与工程学院） ； Northeastern University（东北大学） ； School of Systems Engineering（系统工程学院） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出一种基于样本过滤的策略约束离线深度强化学习方法，通过筛选高分转移样本提升样本效率和性能。
Human Centric General Physical Intelligence for Agile Manufacturing Automation
以人为中心的敏捷制造通用物理智能
机构 * Northeastern University（东北大学） ； Bmade Robotics（Bmade机器人）
AI总结 本文探讨了通过VLA模型实现通用物理智能在敏捷制造中的应用，系统回顾了最新进展并提出未来研究方向。
Comments Advanced Engineering Informatics
FactEHR: A Dataset for Evaluating Factuality in Clinical Notes Using LLMs
FactEHR: 一个用于使用LLMs评估临床笔记事实性的数据集
机构 * Khoury College of Computer Sciences, Northeastern University（东北大学克劳尔计算机科学学院） ； Center for Biomedical Informatics Research, Stanford University（斯坦福大学生物医学信息学研究中心） ； Department of Biomedical Data Science, Stanford School of Medicine（斯坦福医学院生物医学数据科学系） ； Stanford Health Care（斯坦福健康系统） ； Department of Medicine, Stanford School of Medicine（斯坦福医学院医学系） ； Clinical Excellence Research Center, Stanford School of Medicine（斯坦福医学院临床卓越研究中心） ； Department of Anesthesiology, Perioperative & Pain Medicine, Stanford School of Medicine（斯坦福医学院麻醉学、手术及疼痛医学系） ； Department of Dermatology, Stanford School of Medicine（斯坦福医学院皮肤病学系） ； Technology and Digital Solutions, Stanford Health Care（斯坦福健康系统技术与数字解决方案）
AI总结 FactEHR是一个用于评估LLMs在临床笔记中事实分解能力的数据集，通过生成987,266个蕴含对揭示LLM在细粒度事实验证中的性能差异。
Comments To appear at MLHC 2025
Journal ref Journal-ref: Proceedings of Machine Learning Research (PMLR), vol. 298, Proceedings of the Machine Learning for Healthcare Conference (MLHC), 2025
Trajectory-Aware Eligibility Traces for Off-Policy Reinforcement Learning
轨迹感知的eligibility traces用于非策略强化学习
机构 * Department of Computing Science, University of Alberta, Edmonton, AB, Canada（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Khoury College of Computer Sciences, Northeastern University, Boston, MA, USA（东北大学计算机科学学院）
AI总结 本文提出了一种多步算子，用于表达轨迹感知和每决策方法，并通过理论分析为非策略强化学习提供了收敛保证，同时引入RBIS方法在不同λ值下实现稳健性能。
Comments ICML 2023. 18 pages, 4 figures, 1 table. Fixed off-by-1 error in Tightrope Problem
Data for Mathematical Copilots: Better Ways of Presenting Proofs for Machine Learning
用于数学助手的数据：为机器学习呈现证明的更好方式
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Caltech（加州理工学院） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； FutureHouse Inc.（未来房屋公司） ； Meta ； Vienna University of Technology（维也纳技术大学） ； MIT（麻省理工学院） ； Imperial College London（伦敦帝国学院） ； Collège de France（法兰西学院）
AI总结 本文提出改进数学助手数据集的设计，以更真实反映数学研究实践，从而提升大语言模型的证明学习能力。
Comments 59 pages
A Practical Guide for Incorporating Symmetry in Diffusion Policy
在扩散策略中融入对称性的实用指南
机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 本文提出在扩散策略中融入对称性的实用方法，通过不变表示、等变视觉编码器和对称特征提取提升策略性能，实现高效且简单的实现。
Comments NeurIPS 2025
Constructive Circuit Amplification: Improving Math Reasoning in LLMs via Targeted Sub-Network Updates
构造电路放大：通过定向子网络更新提升大语言模型的数学推理能力
机构 * Northeastern University（东北大学） ； Apple（苹果公司）
AI总结 通过定向子网络更新提升大语言模型的数学推理能力，实验显示在多个模型上准确率提升达+11.4%
Comments 18 pages, 3 figures
Impacts of Racial Bias in Historical Training Data for News AI
历史训练数据中的种族偏见对新闻AI的影响
机构 * Northeastern University（东北大学） ； University of Copenhagen（哥本哈根大学）
AI总结 本文研究了基于历史训练数据的新闻AI中种族偏见的影响，发现'blacks'标签在某些群体中作为种族歧视检测器，但对现代案例表现不佳，揭示了新闻室在采用AI工具时需平衡效率与偏见风险的挑战。
LinkedOut: Linking World Knowledge Representation Out of Video LLM for Next-Generation Video Recommendation
LinkedOut: 从视频大语言模型中提取世界知识表示以实现下一代视频推荐
机构 * Northeastern University（东北大学） ； LinkedIn（领英） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 LinkedOut通过从视频中提取世界知识表示，实现低延迟、多视频输入的视频推荐，无需人工标注，取得最佳性能。
Balanced Few-Shot Episodic Learning for Accurate Retinal Disease Diagnosis
平衡少样本事件学习用于准确视网膜疾病诊断
机构 * Northeastern University-Silicon Valley（东北大学-硅谷） ； Indian Institute of Information Technology, Ranchi（印度拉奇信息科技学院）
AI总结 本文提出一种平衡少样本事件学习框架，通过平衡采样和CLAHE增强预处理，提升视网膜疾病诊断的准确性和公平性。
Explainable AI in Big Data Fraud Detection
大数据欺诈检测中的可解释人工智能
机构 * Northeastern University（东北大学）
AI总结 本文探讨了如何将可解释人工智能整合到大数据分析流程中，以提高欺诈检测和风险管理的透明度和可解释性。
Comments 7 pages, 3 figures, research project
AdSum: Two-stream Audio-visual Summarization for Automated Video Advertisement Clipping
AdSum：用于自动化视频广告剪辑的双流音频视觉摘要
机构 * Northeastern University（东北大学） ； Southern Methodist University（南方 Methodist 大学）
AI总结 AdSum提出了一种双流音频视觉融合模型，用于自动化视频广告剪辑，通过重要性预测提升广告剪辑效率。
Comments Accepted at 32nd International Conference on MultiMedia Modeling
Scaling Instruction-Based Video Editing with a High-Quality Synthetic Dataset
通过高质量合成数据集扩展基于指令的视频编辑
机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Northeastern University（东北大学）
AI总结 Ditto通过高效数据生成管道和智能代理，构建大规模高质量数据集，提升基于指令的视频编辑性能。
Comments Project page: https://ezioby.github.io/Ditto_page Code: https://github.com/EzioBy/Ditto
Broadening View Synthesis of Dynamic Scenes from Constrained Monocular Videos
从受限单目视频中广义动态场景视图合成
机构 * Northeastern University（东北大学）
AI总结 ExpanDyNeRF通过高斯溅射先验和伪地面真实生成策略，实现从受限单目视频中高质量动态场景视图合成，并在SynDM数据集上验证其在极端视角偏移下的优越性能。
Context Branching for LLM Conversations: A Version Control Approach to Exploratory Programming
上下文分支用于LLM对话：一种版本控制方法用于探索性编程
机构 * Northeastern University（东北大学）
AI总结 ContextBranch通过版本控制机制实现对话分支，解决多轮对话中上下文污染问题，提升探索性编程的响应质量和上下文意识。
Comments 11 pages, 4 figures, 2 tables, 1 code snippet, 4 algorithms
RAST-MoE-RL: A Regime-Aware Spatio-Temporal MoE Framework for Deep Reinforcement Learning in Ride-Hailing
RAST-MoE-RL: 一种面向动态的时空MoE框架用于网约车深度强化学习
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Tongji University（同济大学） ； University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） ； Northeastern University（东北大学）
AI总结 RAST-MoE-RL通过引入制度感知的时空MoE框架，提升了网约车深度强化学习中的决策效率与稳定性，实现了更高的奖励和更短的等待时间。
A Lightweight 3D Anomaly Detection Method with Rotationally Invariant Features
一种具有旋转不变特征的轻量3D异常检测方法
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Shenzhen Audencia Financial Technology Institute, Shenzhen University（深圳大学深圳Audencia金融科技研究所） ； Audencia Nantes École de Management（Audencia南特商学院） ； School of Mathematics and Statistics, Changsha University of Science and Technology（长沙理工大学数学与统计学学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） ； Software College, Northeastern University（东北大学软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）
AI总结 本文提出了一种轻量级3D异常检测方法，通过旋转不变特征框架提升检测性能，实验显示在多个数据集上均取得显著效果。
Comments Preprint. Accept by Pattern Recognition
Relation Extraction or Pattern Matching? Unravelling the Generalisation Limits of Language Models for Biographical RE
关系抽取还是模式匹配？揭示语言模型在生物信息关系抽取中的泛化极限
机构 * Faculty of Informatics, TU Wien（信息学院，维也纳技术大学） ； D!ARC, University of Klagenfurt（D!ARC，克雷格福特大学） ； Digital Philology, University of Vienna（数字人文，维也纳大学） ； Khoury College of Computer Sciences, Northeastern University（科赫计算机科学学院，东北大学）
AI总结 本研究揭示了语言模型在生物信息关系抽取任务中的泛化极限，指出数据质量和适应策略选择对迁移能力的影响，并指出现有基准的结构性问题限制了模型性能。
Comments Accepted as a main conference paper at IJCNLP-AACL 2025
Benchmarking the Generality of Vision-Language-Action Models
对视觉-语言-动作模型通用性的基准测试
机构 * Manifold Research ； Metarch AI ； Georgia Tech（佐治亚理工学院） ； Tufts University（塔夫茨大学） ； Northeastern University（东北大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院，帕利尼） ； Institute for Research and Innovation in Intelligent Systems (IRIIS)（智能系统研究与创新研究所）
AI总结 本文提出MultiNet v1.0基准，评估视觉-语言-动作模型在六个基础能力领域的跨领域泛化能力，发现现有模型在未见领域和模态转移时表现显著退化。
Comments 23 pages, 7 figures, and 1 table
K-Track: Kalman-Enhanced Tracking for Accelerating Deep Point Trackers on Edge Devices
K-Track: Kalman增强的跟踪用于加速边缘设备上的深度点跟踪器
机构 * Northeastern University（东北大学）
AI总结 K-Track通过结合深度学习与卡尔曼滤波，实现边缘设备上点跟踪的高效部署，提升速度的同时保持高精度。
Lang2Motion: Bridging Language and Motion through Joint Embedding Spaces
Lang2Motion: 通过联合嵌入空间连接语言与运动
机构 * Northeastern University（东北大学）
AI总结 Lang2Motion通过联合嵌入空间连接语言与运动，利用文本描述和视觉化监督生成高精度的轨迹，实现跨领域运动迁移和风格编辑。
Semantic-Aware Confidence Calibration for Automated Audio Captioning
语义感知的置信度校准用于自动化音频字幕生成
机构 * Khoury College of Computer Science（科里学院计算机科学学院） ； Northeastern University（东北大学）
AI总结 本研究提出语义感知的置信度校准方法，通过整合置信度预测和语义相似性，提升音频字幕生成的可靠性与准确性。
Comments 5 pages, 2 figures
DEGS: Deformable Event-based 3D Gaussian Splatting from RGB and Event Stream
DEGS: 从RGB和事件流中基于可变形的3D高斯点云重建
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Hong Kong（香港大学） ； Northeastern University（东北大学）
AI总结 本文提出DEGS框架，结合RGB和事件流优化动态3DGS，通过事件运动先验指导变形场优化，提升重建性能。
Comments Accepted by IEEE TVCG
Journal ref 2025 IEEE Transactions on Visualization and Computer Graphics
LibIQ: Toward Real-Time Spectrum Classification in O-RAN dApps
LibIQ：迈向O-RAN dApps中的实时频谱分类
机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； Institute for the Wireless Internet of Things（无线互联网研究所） ； Northeastern University（东北大学）
AI总结 LibIQ通过实时处理I/Q样本和CNN分类，实现O-RAN dApps中的高效频谱分类，准确率达97.8%
Comments 6 pages, 5 figures, 2 tables
Journal ref 2025 23rd Mediterranean Communication and Computer Networking Conference (MedComNet), Cagliari, Italy, 2025, pp. 1-6
Symmetry in Neural Network Parameter Spaces
神经网络参数空间中的对称性
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学）
AI总结 本文探讨了神经网络参数空间中的对称性，分析其对优化、泛化和模型复杂性的影响，并总结了相关研究的现状与未来方向。
Comments Published in Transactions on Machine Learning Research (TMLR)
