高校专区
SERM：具有代理驱动学习的自演化相关性模型
机构 * Northeastern University, Shenyang, China（东北大学，沈阳，中国） ； ByteDance（字节跳动） ； Peking University（北京大学）
AI总结 针对大规模查询流中相关性模型泛化能力不足的问题，SERM通过多代理模块检测分布偏移并生成可靠标签，实现迭代自演化提升性能。
Comments Accepted by Findings of ACL 2026
RM-Distiller: 利用生成式大语言模型进行奖励模型蒸馏
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 RM-Distiller通过系统利用教师LLM的精炼、评分和生成能力，提升奖励模型蒸馏效果，首次系统性地探索了生成式LLM在奖励建模中的应用。
Comments Accepted to IJCAI-ECAI 2026
重新思考视觉基础模型适应中的逐层信息分配
机构 * City College of New York, CUNY（纽约市立大学城市学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Tulane University（杜兰大学） ； Northeastern University（东北大学） ； George Washington University（乔治华盛顿大学） ； Capital One（第一资本金融公司） ； Harvard University（哈佛大学）
AI总结 研究视觉基础模型适应中的逐层信息分配问题，提出基于信息瓶颈原理的PIB框架，规范逐层压缩与充分性权衡，促进跨层信息连贯，实验表明该方法在多数据集上表现出色，能解释提示容量缩放行为等。
Comments Accepted by ACM MM 2026
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。
从心智到机器：Manus AI作为完全自主数字代理的崛起
机构 * Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Khoury College of Computer Sciences, Northeastern University（东北大学科里尔计算机科学学院）
AI总结 Manus AI是一款通用人工智能代理，结合大语言模型的推理与规划能力，执行复杂任务并产生实际成果，本文全面介绍了其技术架构、跨行业应用及未来潜力。
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。
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。
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。
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。
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。
Tokens，常被忽视的开胃菜：大语言模型、分布假说和意义
机构 * Computational Story Lab（计算故事实验室） ； Vermont Complex Systems Institute（佛蒙特复杂系统研究所） ； University of Vermont（佛蒙特大学） ； Department of Computer Science（计算机科学系） ； St. Michael’s College（圣米歇尔学院） ； Communication Media and Marginalization Lab（传播媒体与边缘化实验室） ； Northeastern University（东北大学） ； Department of Mathematics & Statistics（数学与统计学系）
AI总结 研究探讨大语言模型中令牌化对认知的影响，指出分布假说足以实现人类样语言性能，并提出改进令牌化技术以减少偏见和提升语义理解。
Comments Accepted at IC2S2 2026 and SLSA @ 4S 2026
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。
通过截断的思维链审计检测基于大语言模型的教育辅导中的答案驱动推理
机构 * Independent Researcher（独立研究员） ； Northeastern University（东北大学） ； Syracuse University（Syracuse大学）
AI总结 研究基于大语言模型的教育辅导中，模型能否利用答案信息生成答案驱动的解释，用截断推理AUC评估法在三种辅导情境下评估，发现答案信息能提升模型表现，支持截断思维链审计用于诊断。
心智理论效用：心理化机制的形式化规范
机构 * Institute for Creative Technologies, University of Southern California（南加州大学创意技术研究所） ； Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
AI总结 提出心智理论效用（ToM-U）框架，通过局部认知世界模型（LEWM）形式化推断他人信念的计算问题，定义结构、推理过程及失败痕迹，区别于贝叶斯心智理论等方法。
生存最便宜：面向对抗鲁棒性的成本感知硬件适应
机构 * Northeastern University（东北大学）
AI总结 本文提出一个自主决策支持框架，用于云原生深度学习中自适应硬件选择和超参数调整，通过加速失败时间模型量化硬件选择、批量大小、训练轮次和验证准确率对模型生存时间的影响，实验表明低成本硬件能提升对抗鲁棒性。
大语言模型中真理的表示与行为稳定性
机构 * Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Network Science Institute, Northeastern University（东北大学网络科学研究所） ； Santa Fe Institute（圣达菲研究所）
AI总结 本研究提出P-StaT框架，通过对比虚构与合成内容的稳定性，揭示认知熟悉性对大语言模型真理判断稳定性的影响。
Comments 27 pages, 13 figures
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：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
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：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。
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
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
用于工业过程预测的大语言模型引导的任务语义场分解
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 针对工业过程预测中标记数据稀缺等问题，提出大语言模型引导的任务语义场分解框架TSF，通过构建任务语义场，结合传统时间序列主干进行训练和推理，在多任务上降低平均绝对误差，增加参数少且推理开销小。
GRASP：基于双阶段优化的 grounded CoT 推理用于多模态讽刺目标识别
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 GRASP通过整合视觉定位与显式Co-T推理，解决多模态讽刺目标识别中的细粒度定位问题，提出MSTI-MAX数据集和双阶段联合优化策略，实验表明其在多模态讽刺目标识别中表现更优。
PRO-SPECT：面向能量感知的协调无人机-无人地面车辆团队在随机环境中的概率安全可扩展规划
机构 * Khoury Department of Computer Sciences at Northeastern University（东北大学Khoury计算机科学系） ； The Charles Stark Draper Laboratory, Inc.（查尔斯·斯塔克·德雷珀实验室公司） ； Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系）
AI总结 本文提出PRO-SPECT算法，用于在随机环境中实现无人机和无人地面车辆团队的能量感知规划，通过概率安全约束确保任务成功，支持离线和在线重新规划。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems 2026 (IROS 2026)
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。
超越单一方向：思维链破坏简单的拒绝引导
机构 * University of Göttingen, Germany（哥廷根大学，德国） ； Northeastern University, Boston, MA, USA（东北大学，波士顿，马萨诸塞州，美国）
AI总结 本文研究大型推理模型（LRM）中拒绝行为的机制，发现思维链（CoT）与激活共同编码拒绝信号，使得仅通过激活引导难以逆转拒绝，但通过两阶段干预（激活引导下重新生成CoT）可显著提高逆转率。
高保真壁画修复的统一混合掩码感知变换器
机构 * Northeastern University (Toronto Campus)（东北大学（多伦多校区）） ； The Bishop Strachan School（主教斯特拉坎学校）
AI总结 本文提出混合掩码感知变换器HMAT，通过结合掩码感知动态过滤与Transformer瓶颈，实现壁画的高保真修复，同时通过掩码条件风格融合模块和教师强迫解码器提升修复效果。
Comments 17 pages, 3 figures
面向能耗的无人机-地面车辆协同探索
机构 * Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系）
AI总结 本文提出一种面向能耗的无人机-地面车辆协同探索框架，通过密度感知分层概率路标实现稀疏耦合空地路标，将路线选择建模为耦合导向问题以最大化信息增益，同时满足会合约束。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems 2026 (IROS 2026)
AutoSpec：神经网络规范的自动生成
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对神经网络在学习增强系统中对模型安全鲁棒性需求，AutoSpec提出首个自动生成和评估神经网络规范的综合框架，通过基于树算法、统计认证框架及评估框架，经实验验证其性能优于手动定义规范和现有基线算法。
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