World Models Favor Learned Priors over Visual Evidence
机构 * Xiamen University(厦门大学) ; Northeastern University(东北大学) ; Tongji University(同济大学)
AI总结 该研究针对世界模型跨环境预测的长尾训练分布偏差问题,提出RIFT方法,引入TailWorld基准验证其可提升罕见动态预测的准确性与物理一致性。
高校专区
机构 * Xiamen University(厦门大学) ; Northeastern University(东北大学) ; Tongji University(同济大学)
AI总结 该研究针对世界模型跨环境预测的长尾训练分布偏差问题,提出RIFT方法,引入TailWorld基准验证其可提升罕见动态预测的准确性与物理一致性。
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 本研究提出用于多模态反讽检测的双分支框架SEAF,通过选择性语义增强与视觉证据融合,结合TASA加权图像,在多图像MMSD3.0基准上性能优于所有对比方法。
机构 * School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院) ; NiuTrans Research(NiuTrans研究中心)
AI总结 该研究针对扩散机器翻译的冗余计算问题,提出无训练自适应解码方法TRAC,通过调整生成长度和识别稳定token减少计算,在多数据集上实现翻译速度提升且仅小幅损失质量。
Comments Accepted at CCMT 2026
机构 * Department of Computer Science, Boston University(波士顿大学计算机系) ; Khoury College of Computer and Information Science, Northeastern University(东北大学科利计算机与信息科学学院)
AI总结 提出适配相干性的差分隐私预处理幂迭代PCA算法,解决现有差分隐私PCA工作局限于k=1或隐私弱的问题,提升效用。
亏格1的B模型Calabi-Yau/Landau-Ginzburg对应
机构 * Beijing Institute of Mathematical Sciences and Applications(北京国际数学研究中心) ; Department of Mathematics, Northeastern University(东北大学数学系)
AI总结 针对亏格1的B模型,本文通过从$f$扭曲拉普拉斯构造朗道-金兹堡亏格1 B模型不变量,证明其与对应Calabi-Yau超曲面的BCOV不变量仅差一个仅依赖维数的加性常数,建立了亏格1的Calabi-Yau/Landau-Ginzburg对应。
Comments 61 pages. Added a non-probabilistic proof in appendix. Comments and suggestions are welcome!
机构 * Northeastern University(东北大学) ; Walmart(沃尔玛) ; Sinch Mailgun ; University of Texas at Dallas(得克萨斯大学达拉斯分校)
AI总结 针对实时语音智能体评估文献分散的问题,基于38个来源提出三项证据主张,指出评估转向基于事实的结果,并提出TRG报告标准,以时序、恢复和状态验证结果综合表征智能体。
Comments 23 pages including references and appendices. 136 primary works / 140 corpus artifacts (cutoff 2026-10-02); two-axis coding and TRG reporting version 2. Matching corpus release: v1.2.0, https://github.com/shivamnegi92/voice-agent-eval-corpus/releases/tag/v1.2.0. Version archive DOI: 10.5281/zenodo.24288814 (record/version confirmed; download blocked for independent byte verification)
SHIFT: 门控调制激活引导用于检索增强生成中的知识冲突缓解
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,沈阳,中国) ; Department of Computer Science and Technology, Tsinghua University, Beijing, China(清华大学计算机科学与技术系,北京,中国)
AI总结 提出SHIFT框架,通过轻量级门控模块调节LLM内部激活,以自适应解决检索上下文与参数知识间的冲突,仅优化0.01%参数,在六个数据集上验证有效性。
Comments 29 pages, 10 Figures
机构 * College of Sciences, Northeastern University(东北大学理学院) ; Liaoning Normal University(辽宁师范大学) ; Hainan University(海南大学) ; MOE Key Laboratory of Data Analytics and Optimization for Smart Industry, Northeastern University(东北大学工业智能与系统优化教育部重点实验室) ; National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University(东北大学工业智能与系统优化前沿科学中心)
AI总结 研究利用多个CGW源脉冲星项的相位信息推断二维脉冲星距离,提升了距离精度,通过模拟展示约1千秒差距的脉冲星仅用几个CGW源就能实现亚秒差距精度,对CGW宿主星系识别和多信使观测有重要意义。
Comments 12 pages, 8 figures; accepted for publication in ApJL
R$^{3}$Sieve:抑制注意力中与答案相关的无条件信息以实现高分辨率视觉问答
机构 * School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院) ; Jiangnan University(江南大学)
AI总结 本研究针对高分辨率VQA中小目标证据被无条件信息遮蔽的问题,提出无训练框架R$^{3}$Sieve,通过三阶段反事实参考抑制干扰,在三个基准上使基础模型准确率提升最多21.5个百分点,获最优整体准确率。
机构 * Northeastern University(东北大学) ; Hong Kong University of Science and Technology(香港科技大学) ; University of Macau(澳门大学)
AI总结 针对单样本联邦学习中异构客户端分布学习难的问题,提出FedDoG无训练域生成框架,利用服务器端预训练扩散模型合成对齐客户端域的数据,大幅降低客户端成本且性能优于基线。
机构 * Northeastern University(东北大学) ; Yale University(耶鲁大学)
AI总结 PRISM是利用跟踪掩码和稠密光流表征重复运动的互补方法,可恢复运动参数、揭示观测极限,能分析自闭症刻板运动差异,连接数值轮廓与骨骼运动,用于比较同一行为的不同表达。
机构 * Northeastern University(东北大学)
AI总结 该研究探讨强过冷下一阶相变的单极丰度抑制问题,提出三种相变完成判据,发现趋近完成边界时单极可被任意抑制,但均匀性一致性会限制这种抑制,且对引力波研究有启示。
Comments 20 pages including Supplementary Material, 2 figures; references added
SPARSER:利用机器人感知中的可分离结构进行稀疏变量投影
机构 * University of Michigan(密歇根大学) ; Northeastern University(东北大学) ; Massachusetts Institute of Technology(麻省理工学院) ; Harvard University(哈佛大学)
AI总结 针对机器人感知中的大规模非线性最小二乘问题,提出SPARSER框架,联合利用可分离性和稀疏性,通过无矩阵Schur补算子实现高效变量投影,在SLAM、SNL和SfM基准上平均加速5-7倍,鲁棒变体加速2-16倍。
机构 * Northeastern University(东北大学) ; Network Science Institute, Northeastern University(东北大学网络科学研究所) ; Khoury College of Computer Sciences, Northeastern University(东北大学库雷计算机科学学院) ; Department of Physics, Northeastern University(东北大学物理系)
AI总结 研究大语言模型在城市信息层面的作用,通过审核其餐厅推荐,发现存在编造与忽略场所现象,且在不同人群中有选择性差异,模拟显示会影响消费需求,揭示其对城市信息分配不均及经济、不平等有潜在影响。
机构 * University of California, Berkeley(加州大学伯克利分校) ; Duke University(杜克大学) ; Northeastern University(东北大学) ; University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) ; Southern Methodist University(南卫理公会大学)
AI总结 提出两阶段适配器,将基础模型的预测嵌入多项Logit效用中,通过符号约束保持边际替代率,在三个数据集上平均提升6.4个百分点准确率,并保证成本单调性和合理时间价值。
Comments NeurIPS 2026 camera-ready version. 20 pages, 1 figure. Extends arXiv:2605.26559 (ICML 2026 FMSD Workshop). v2 adds evaluation on respondents and households unseen in training and a TasteNet baseline, runs all logit fits to convergence (results updated), and corrects references. Code: https://github.com/willw96/TabFM-Logit
机构 * University at Buffalo(布法罗大学) ; Portland State University(波特兰州立大学) ; Northeastern University(东北大学)
AI总结 本文提出一个多层级的社会认知概念网络框架,用于解释意识形态在话语中的表现,并揭示NLP任务与新研究方向的关联。
Comments Accepted at ICWSM'27
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。
Comments Accepted at NeurIPS 2026. v5 is the camera-ready version, revised after the NeurIPS reviews: new comparisons with fine-tuned LLMs outside the medical domain and with zero- and few-shot LLM baselines. 41 pages, 5 figures, 20 tables. Code: https://github.com/deb-official/plant
机构 * College of Medicine and Biological Information Engineering, Northeastern University(东北大学生物医学工程学院)
AI总结 本研究针对EEG解码,利用测量算子理论区分坐标敏感性等效应,提出MOC方法,经多数据集实验验证其可减少解码差异,需结合准确率与一致性评估实用性。
Comments 45 pages including supplementary material; 5 figures in the main text. Data and code included as ancillary material
Reddit上印巴冲突话语的纵向多维度分析(2019-2025)
机构 * Northeastern University(东北大学)
AI总结 本研究收集Reddit10个社区的4.3万条帖子及30.5万条评论,用GPT-5.2标注框架并衡量争议率,发现不同阵营社区对印巴危机的框架差异及争议率差异,且危机类型比年份更影响框架组合。
OmniTongue:面向中医舌诊的多模态大语言模型综合基准
机构 * College of Information Science and Engineering, Northeastern University(东北大学信息科学与工程学院) ; College of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院)
AI总结 研究针对现有中医舌诊数据集的局限,推出OmniTongue综合基准,评估发现现有MLLM在舌诊中性能差距显著,凸显该基准对开发自动化舌诊模型的重要性。
Comments 11 pages, 2 figures, 3 tables
EDA:用于证据 grounded 多模态抑郁分析的观察、验证与评估
机构 * Northeastern University(东北大学) ; Northeastern University at Qinhuangdao(东北大学秦皇岛分校) ; Technical University of Munich(慕尼黑工业大学) ; Shenzhen MSU-BIT University(深圳北理莫斯科大学)
AI总结 提出基于证据的 EDA 框架,通过观察、验证、评估三阶段实现可核查的多模态抑郁分析,在 D-Vlog 和 LMVD 数据集上提升了评估性能。
机构 * East China Normal University(华东师范大学) ; Northeastern University(东北大学)
AI总结 该研究构造了二维紧致幺正玻色型全CFT的首批显式示例,通过晶格非对称轨道面技术,得到间隙为3、4的无限族及两个额外示例,解决了Virasoro本原间隙大于2的CFT构造问题。
Comments 41 pages, 1 table
机构 * Google DeepMind(谷歌DeepMind) ; Northeastern University(东北大学)
AI总结 本文研究光滑杂化Calabi-Yau紧化的树级微扰能否生成标准模型夸克质量层级,识别两种新机制,扫描数据库找到对应商空间,成功获得现实夸克质量层级。
Comments 29+14 pages,4 figures, 10 tables
机构 * Northeastern University(东北大学) ; AgiBot ; University of Chinese Academy of Sciences(中国科学院大学)
AI总结 针对具身智能体预训练 VLA 处理长任务易中途失败的问题,提出 AdaRSI 按需 RSI 框架,仅微调不可靠子步骤,在 RoboCasa365 任务上大幅提升成功率且资源消耗远低于全微调。
机构 * Northeastern University(东北大学) ; New York University(纽约大学) ; UC Berkeley(加州大学伯克利分校) ; University of Washington(华盛顿大学) ; Stanford University(斯坦福大学)
AI总结 针对人机交互多智能体强化学习中单个LLM模拟器导致的策略泛化缺陷,提出Verbalized Sampling和Co-Training两种方案,在多轮基准测试和真实用户研究中显著提升了性能,发布了开源框架SCOPE。
Comments 44 pages, 29 figures
机构 * King’s College London(伦敦国王学院) ; Northeastern University(东北大学) ; Northeastern University London(东北大学伦敦校区)
AI总结 本文提出C-STLL框架,通过信号时间逻辑学习实现从高层需求到KPIs的映射,提供可解释且可靠的时空规范,用于无线通信网络优化。
机构 * Shanghai Jiao Tong University(上海交通大学) ; Lingang Laboratory(临港实验室) ; Fudan University(复旦大学) ; Shanghai Innovation Institute(上海创新研究院) ; Northeastern University(东北大学) ; Nanjing University(南京大学)
AI总结 本研究提出Calpha模型,将生物分子结构预测与LLM结合,Qwen3.5-9B可输出单链蛋白质结构,在多数据集取得对应TM-score,为后续复合物预测等工作奠定基础。
机构 * Northeastern University(东北大学)
AI总结 该研究揭示了视觉语言模型规划描述图像顺序的四步机制,通过Qwen3-VL模型的因果修补验证了机制各部分,且该机制在多场景及各规模模型中成立,为研究模型多步骤任务规划提供了新路径。
机构 * Northeastern University(东北大学)
AI总结 本文针对有向通信网络上的未知非线性系统,提出一种无需共享输入的连续时间分布式自适应辨识方法,通过Lyapunov分析保证输入-状态稳定性,数值结果验证了方法的有效性与计算的线性可扩展性。
机构 * Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所) ; Beijing University of Posts and Telecommunications(北京邮电大学) ; University of Chinese Academy of Sciences(中国科学院大学) ; Zhejiang Lab(之江实验室) ; Northeastern University(东北大学)
AI总结 本文提出MSAR模型,通过模块化多尺度解耦实现尺度对齐自回归,在多数据集上提升了时间序列预测的准确率与推理效率。
Comments Accepted by NeurIPS 2026 main track. 26 pages, 7 figures. Code available at https://github.com/Oryxo/MSAR