Gaze Heads: How VLMs Look at What They Describe
注视头：视觉语言模型如何观察它们所描述的内容
机构 * Northeastern University（东北大学）
AI总结 发现视觉语言模型的语言骨干中存在一组“注视头”，其注意力跟踪当前描述的图像区域，通过干预这些头可精确控制模型描述内容，准确率达83.1%。
高校专区
Northeastern University（东北大学）
Every Eval Ever: A Unifying Schema and Community Repository for AI Evaluation Results
Every Eval Ever：AI评估结果的统一模式与社区仓库
机构 * Technical University Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Weizenbaum Institute（魏岑鲍姆研究所） ； Zuse Institute Berlin（柏林祖泽研究所） ； Evidence Prime ； Trustible ； Kitware ； ETH Zurich（苏黎世联邦理工学院） ； StickFlux Labs ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） ； IBM Research（IBM研究院） ； Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学） ； Cisco（思科） ； University of Notre Dame（圣母大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； University of Oxford（牛津大学） ； Ohio University（俄亥俄大学） ； Writer ； TCS Research（塔塔咨询服务研究院） ； Oxford University Press（牛津大学出版社） ； Queen Mary University of London（伦敦玛丽女王大学） ； Technical University Berlin（柏林工业大学） ； University of Delaware（特拉华大学） ； Cinemo ； Johns Hopkins University（约翰霍普金斯大学） ； University of Copenhagen（哥本哈根大学） ； ELLIS（欧洲学习与智能系统实验室） ； Iowa State University（爱荷华州立大学） ； Meta FAIR ； University of Montreal（蒙特利尔大学） ； Mila Quebec AI Institute（Mila魁北克人工智能研究所） ； EleutherAI ； Yale University（耶鲁大学） ； Hugging Face ； University of Edinburgh（爱丁堡大学） ； Harvard University（哈佛大学） ； ETH AI Center（ETH人工智能中心） ； MIT（麻省理工学院） ； MIT-IBM Watson Lab（MIT-IBM沃森实验室）
AI总结 针对AI评估结果格式不统一、难以比较的问题，提出首个共享模式与社区众包仓库，通过标准化表示、自动转换器和社区数据库实现跨评估框架的统一。
Temporal Backtracking Search for Test-time Generative Video Reasoning
时间回溯搜索：测试时生成式视频推理
机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究者） ； Harvard & Kempner（哈佛大学与肯普纳研究所） ； MIT（麻省理工学院）
AI总结 提出时间回溯搜索（TBS），通过将搜索空间转移到时间轴，在扩散过程中定位失败点并回溯重启，显著提升视频模型在测试时的推理能力。
From Training to Generalization: Improving Moral Reasoning Through Pragmatic Inference
道德推理习得的语用推理：通过元语用链接实现泛化
机构 * Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； Nanyang Technological University（南洋理工大学） ； University of Mississippi（密苏里大学） ； Northeastern University（东北大学） ； Qualcomm（高通公司） ； Michigan State University（密歇根州立大学）
AI总结 针对大语言模型在道德推理中泛化能力不足的问题，提出基于元语用链接和道德基础理论的语用推理方法，使模型获取道德推理目标与社会变量间的元语用链接，在三个任务上验证了其适应性和泛化性。
TCRL: Temporal-Coupled Adversarial Training for Robust Constrained Reinforcement Learning in Worst-Case Scenarios
TCRL: 时序耦合对抗训练用于最坏情况下的鲁棒约束强化学习
机构 * Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Aalborg University（奥胡斯大学）
AI总结 TCRL通过引入时序耦合对抗训练框架，解决传统方法在处理时序耦合扰动时的不足，提升约束强化学习在最坏情况下的鲁棒性。
Journal ref Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems, 3489 - 3491, 2026
Beyond the Commitment Boundary: Probing Epiphenomenal Chain-of-Thought in Large Reasoning Models
超越承诺边界：探究大型推理模型中的附带思维链
机构 * CLCG, University of Groningen（格罗宁根大学CLCG） ； University of Milano-Bicocca（米兰-布雷拉大学） ； University of Trieste（特里耶大学） ； Khoury College of Computer Sciences, Northeastern University（东北大学Khoury计算机科学学院）
AI总结 通过早期退出估计思维链步骤的因果重要性，发现推理中存在从瞬态猜测到稳定答案的“承诺边界”，后续步骤为附带现象，可提前退出以缩短推理长度达55%而不影响性能。
EvoBrowseComp: Benchmarking Search Agents on Evolving Knowledge
EvoBrowseComp: 基于演化知识的搜索智能体基准测试
机构 * Northeastern University, China（东北大学（中国）） ； Weixin AI, Tencent Inc, China（腾讯微信AI（中国））
AI总结 提出EvoBrowseComp，一个通过实时网络遍历自动生成400道英文和400道中文无污染复杂问题的演化基准，用于评估搜索智能体在动态知识环境中的真实浏览能力。
Comments 14 pages, under review
SENTINEL: Failure-Driven Reinforcement Learning for Training Tool-Using Language Model Agents
SENTINEL: 用于训练工具使用语言模型智能体的失败驱动强化学习
机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Northwestern University（西北大学）
AI总结 提出SENTINEL框架，通过将智能体失败转化为针对性训练任务，在Tau2-Bench Retail上提升Qwen3-4B模型Pass@1从66.4到74.9，优于通用合成任务上的强化学习。
PRISM: Prosody-Integrated Multi-Agent Reasoning Framework for Empathetic Spoken Dialogue
PRISM：用于共情口语对话的韵律集成多智能体推理框架
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 提出PRISM多智能体框架，通过解耦语音感知、响应生成和语音合成，并引入韵律到语言翻译机制，实现共情口语对话中的韵律适当性和知识集成。
Comments Accepted to Interspeech 2026
Benchmarking AI Agents for Addressing Scientific Challenges Across Scales
跨尺度科学挑战的AI智能体基准测试
机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（布罗德研究所） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； Northeastern University（东北大学） ； Northwestern University（西北大学）
AI总结 提出SciAgentArena基准，含约200个交互式任务，评估AI智能体在真实科研场景中的能力，发现其在数据分析中有效，但在创新探索和开放问题上表现不均。
Comments 6 figures
CD-RCM: Generalizable Continuous-Depth Novel View Synthesis for Reflectance Confocal Microscopy
CD-RCM：面向反射共聚焦显微镜的泛化连续深度新视角合成
机构 * Northeastern University（东北大学） ； Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
AI总结 针对反射共聚焦显微镜各向异性3D体积，提出首个RCM专用新视角合成方法CD-RCM，通过前馈模型从稀疏z-stack预测连续深度切片，实现亚秒级高保真合成。
G-MAPP: GPU-accelerated Multi-Agent Planning and Perception for Reactive Motion Generation
G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成
机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。
Comments The implementation is available at: https://github.com/chart-research/g-mapp
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026
Mapping AI Programs in the U.S: A Status Report from Early 2026 and an Analysis of AI Majors and Minors
美国人工智能项目映射：2026年初现状报告及AI主修与辅修分析
机构 * Center for Inclusive Computing（包容计算中心） ； Khoury College of Computer Sciences（科里学院计算机科学学院） ； Northeastern University（东北大学） ； Boston, Massachusetts, United States（马萨诸塞州波士顿，美国）
AI总结 报告2026年春美国本科AI项目现状，开发动态更新工具扫描560多所院校的350多个项目，分析66个AI主修和87个辅修的课程要求，发现并非所有主修都要求通用AI课程但需机器学习，超三分之一主修要求AI伦理课程而辅修不足四分之一。
The Tone of Awareness: Topic, Sentiment, and Toxicity Maps During Mental Health Month on TikTok
意识基调：TikTok 心理健康月期间的主题、情感和毒性地图
机构 * Institute for Biocomputation and Physics of Complex Systems (BIFI)（生物计算与复杂系统物理研究所） ； University of Zaragoza（萨拉戈塔大学） ； ARAID Foundation（ARAID基金会） ； Network Science Institute（网络科学研究所） ； Northeastern University London（伦敦东北大学） ； Kent Medway Medical School（肯特梅德斯医疗学院） ； LASIGE（拉西格研究所） ； Faculdade de Ciências da Universidade de Lisboa（里斯本大学科学学院） ； Department of Psychology, University of Limerick（利默里克大学心理学系） ； Observatory on Social Media, Indiana University（社交媒体观察所，印第安纳大学） ； CSSI - Kellogg School of Management, Northwestern University（CSSI - 北western大学凯洛格管理学院）
AI总结 通过分析 TikTok 2023-2024 年心理健康月期间的视频和评论，使用 BERTopic 提取主题、XLM-T 和 Detoxify 量化情感与毒性，发现视频情感偏负面而评论更混合，毒性在评论中呈长尾分布且集中于特定主题。
Comments 12 pages, 6 figures
Analog Quantum Asynchronous Event-Based Graph Neural Network
模拟量子异步事件驱动图神经网络
机构 * King’s Communications, Learning and Information Processing (KCLIP) lab（国王通讯、学习与信息处理（KCLIP）实验室） ； Centre for Intelligent Information Processing Systems (CIIPS)（智能信息处理系统中心） ； Department of Engineering（工程系） ； Pasqal SAS（Pasqal SAS公司） ； Institute for Intelligent Networked Systems (INSI)（智能网络化系统研究所） ； Northeastern University London（伦敦东北大学）
AI总结 提出模拟量子异步事件驱动图神经网络（QA-AEGNN），利用中性原子量子处理器映射事件数据为原子阵列，通过Rydberg哈密顿量模拟消息传递，实现高效事件图计算。
Comments 31 pages, 8 figures, initial version
Embodied-BenchClaw: An Autonomous Multi-Agent System for Embodied Spatial Intelligence Benchmark Construction
Embodied-BenchClaw：用于具身空间智能基准构建的自主多智能体系统
机构 * QiYuan Lab（启元实验室） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）
AI总结 提出Embodied-BenchClaw，一个通过五阶段流水线和三个智能体协调的自主系统，自动构建可验证、可执行、可维护且诊断有用的具身空间智能基准，减少人工工作量。
Density Ridge Selective Prediction for LLM and VLM Hallucination Detection under Calibration Label Scarcity
密度脊选择性预测：校准标签稀缺下的大语言模型与视觉语言模型幻觉检测
机构 * Northeastern University Boston, United States（东北大学波士顿分校）
AI总结 针对校准标签稀缺时大语言模型和视觉语言模型的幻觉检测问题，提出基于核密度估计的密度脊方法，利用隐藏状态生成轨迹的六维运动特征图构建响应流形，通过到最近脊顶点的欧氏距离评分，在标签稀缺协议下AUROC提升5-20点。
Robust Instruction Compliance in Cooperative Multi-Agent Reinforcement Learning
鲁棒的指令遵从：合作多智能体强化学习
机构 * Department of Computer Sciences, Northeastern University（东北大学计算机科学系） ； Department of Computer Sciences, Massachusetts Institute of Technology（麻省理工学院计算机科学系）
AI总结 针对外部指令中断行为并冲突长期目标的问题，提出宏动作值修正方法（MAVIC），通过修正指令边界的Bellman备份实现一致值估计，在复杂合作环境中保持高指令遵从和基础任务性能。
SDQM: Synthetic Data Quality Metric for Object Detection Dataset Evaluation
SDQM：用于目标检测数据集评估的合成数据质量指标
机构 * Northeastern University, Khoury College of Computer Sciences（东北大学，Khoury 计算科学学院） ； Binghamton University, School of Computing（布ingham顿大学，计算科学学院） ； Air Force Research Laboratory, Mission Applications and Infrastructure Section（空军研究实验室，任务应用与基础设施部门）
AI总结 提出SDQM指标，无需模型训练收敛即可评估合成数据质量，与YOLO11的mAP强相关，优于现有指标。
Comments Accepted and Published at SPIE: Journal of Electronic Imaging, Vol. 35, Issue 3
Journal ref Journal of Electronic Imaging 35(3), 033014 (2026)
Sustainability assessment using multimodal AI agents
使用多模态AI代理进行可持续性评估
机构 * Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·艾伦计算机科学与工程学院，华盛顿大学） ； Computer Science and Engineering, University of Notre Dame（计算机科学与工程，诺丁汉大学） ； Electrical and Computer Engineering, Northeastern University（电气与计算机工程，东北大学）
AI总结 提出多模态多代理AI系统，模拟生命周期评估专家与利益相关者协作，自动估算电子设备碳足迹，将数据收集时间从数周缩短至一分钟，误差在19%以内。
Comments This article is published in Nature Electronics, and is available online at: https://www.nature.com/articles/s41928-026-01653-w
Predicting Future Behaviors in Reasoning Models Enables Better Steering
推理模型中预测未来行为以实现更好的引导
机构 * Fraunhofer HHI（弗劳恩霍夫海因里希·赫兹研究所） ； Northeastern University（东北大学） ； KAIST（韩国科学技术院）
AI总结 通过训练激活探针预测推理模型未来行为，提出未来探针控制生成（FPCG）方法，在多个评估中实现几乎无质量下降的引导。
JOIN: Anchor-Grasp-Conditioned Joining via Opposition, Inference, and Navigation for Bimanual Assistive Manipulation
JOIN：通过对抗、推理和导航实现基于锚点抓取条件的双臂辅助操作连接
机构 * Northeastern University（东北大学）
AI总结 提出一种异构按需双臂系统JOIN，通过锚点臂与移动补臂的条件性连接，结合视觉语言模型和几何工具，解决代表性双臂日常生活任务，在实验中成功率更高且需更少人工修正。
Comments Xiang Zhi Tan and Taşkın Padır share equal advising
ZODS-RS -- Zero-training Oriented Detection & Segmentation for Remote Sensing
ZODS-RS -- 面向遥感的零训练目标检测与分割
机构 * Northeastern University, China（东北大学）
AI总结 提出一种无需训练的封闭式管道ZODS-RS，通过原型纯化、旋转尺度等变匹配和不确定性感知像素合并，统一了遥感图像的水平框检测与实例分割，在多个数据集上取得优异性能。
A Unified Multi-Modal Framework for Intelligent Financial Systems: Integrating Reinforcement Learning, High-Frequency Trading, and Game-Theoretic Approaches with Cross-Modal Sentiment Analysis
面向智能金融系统的统一多模态框架：整合强化学习、高频交易和博弈论方法与跨模态情感分析
机构 * Henan University, International Eurasia College（河南大学，国际欧亚学院） ； City University of Hong Kong, College of Business（香港城市大学，商学院） ； Northeastern University, School of Electronic and Information Engineering（东北大学，电子与信息工程学院）
AI总结 提出统一框架整合PPO、高频预测、上下文学习、博弈论和跨模态情感分析，在多个金融任务上平均提升20%以上性能。
Instruction Finetuning DeepSeek-R1-8B Model Using LoRA and NEFTune
使用LoRA和NEFTune对DeepSeek-R1-8B模型进行指令微调
机构 * University of Hong Kong（香港大学） ； Northeastern University（东北大学）
AI总结 本研究结合LoRA和NEFTune微调DeepSeek-R1-8B模型，用于金融命名实体识别，在七类实体上达到0.912的微F1分数，优于多个基线模型。
LMT: A Bayesian Framework for Causal Discovery from Textual Alarm Records in Manufacturing Systems
LMT: 制造系统中文本告警记录的因果发现贝叶斯框架
机构 * Department of Mechanical & Industrial Engineering, Northeastern University, Boston, MA, USA（东北大学机械与工业工程系） ； College of Integrative Studies, Singapore Management University, Singapore（新加坡国立大学整合研究学院） ； Department of Industrial Engineering and Management Sciences, Department of Mechanical Engineering, Northwestern University, IL, USA（西北大学工业工程与管理科学系、机械工程系）
AI总结 提出LMT框架，结合大语言模型提取的语义信号和基于泊松过程的时间证据，通过贝叶斯方法从文本告警记录中发现因果图，在小样本场景下表现优异。
Comments 19 pages
Targeting World Models to Compromise Robot Learning Pipelines
针对世界模型以破坏机器人学习流程
机构 * Northeastern University（东北大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出针对世界模型的新型数据投毒攻击方法，通过注入恶意提示或转换动态，在看似安全的数据中生成危险训练轨迹，导致下游策略不安全。
Comments 8 Pages, CoRL Preprint
Zero-Parameter Geometric Gating for Temporally Stable Low-Altitude UAV Video Semantic Segmentation
用于低空无人机视频语义分割的零参数几何门控以实现时间稳定性
机构 * Beihang University（北京航空航天大学） ； Northeastern University（东北大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出零参数几何门控，利用RANSAC单应性内点比率在16x16网格上路由区域，结合语义相似性传播实现时间稳定分割，在合成UAVid上提升mIoU达4.91%。
ATM: Action-Consistency Transfer Matrix for Diagnosing and Improving Latent World Models
ATM：用于诊断和改进潜在世界模型的动作一致性转移矩阵
机构 * School of Software, Northeastern University（东北大学软件学院）
AI总结 提出ATM矩阵，通过轻量级探针比较真实与预测潜在转移中的动作信息，无需模拟器即可诊断世界模型质量，并引入AITS利用动作可识别性作为训练信号提升下游规划。
Comments 13 pages, 3 figures, 6 tables
Autonomous Aerial Manipulation via Contextual Contrastive Meta Reinforcement Learning
通过上下文对比元强化学习的自主空中操控
机构 * National Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院） ； National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（北京理工大学自主智能无人系统国家重点实验室）
AI总结 提出Aco2方法，通过上下文对比元强化学习，使四旋翼无人机在无需人工干预下自主完成不同载荷的抓取、运输和投递，并直接迁移到真实世界。
