Northeastern University（东北大学）

Generative Myopia: Why Diffusion Models Fail at Structure

生成性短视：为何扩散模型在结构上失败

Milad Siami

机构 * Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

AI总结 本文提出谱加权扩散模型，通过有效电阻重新对齐变分目标，解决扩散模型在结构上因梯度饥饿导致的生成性短视问题，实现100%的连通性。

Breaking Forgetting: Training-Free Few-Shot Class-Incremental Learning via Conditional Diffusion

打破遗忘：通过条件扩散实现无训练的少样本类增量学习

Haidong Kang, Ketong Qian, Yi Lu

机构 * Northeastern University（东北大学） ； School of Information and Intelligent Science（信息与智能科学学院） ； Whiting School of Engineering（工程学院） 纠错

AI总结 本文提出无训练的少样本类增量学习方法，通过条件扩散过程替代梯度优化，缓解灾难性遗忘并提升泛化能力。

Vector Arithmetic in Concept and Token Subspaces

向量算术在概念和令牌子空间中的应用

Sheridan Feucht, Byron Wallace, David Bau

机构 * Northeastern University（东北大学） 纠错

AI总结 该研究通过概念和令牌子空间的向量算术揭示语言模型中的语义与表层信息结构。

Comments 9 pages, 6 figures. NeurIPS 2025 Mechanistic Interpretability Workshop

Prediction of Clinical Complication Onset using Neural Point Processes

利用神经点过程预测临床并发症发作

Sachini Weerasekara, Sagar Kamarthi, Jacqueline Isaacs

机构 * Northeastern University（东北大学） 纠错

AI总结 本研究利用神经点过程预测临床并发症的发作，通过六种先进模型和六个重症监护数据集，提升不良事件预测的可解释性。

Learning with Shared Representations: Statistical Rates and Efficient Algorithms

通过共享表示进行学习：统计速率和高效算法

Xiaochun Niu, Lili Su, Jiaming Xu, Pengkun Yang

机构 * Fuqua School of Business, Duke University（达特茅斯大学福克商学院） ； Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） 纠错

AI总结 本文提出了一种通过共享表示进行学习的方法，建立了统计误差的新界限，并设计了高效的谱估计器，揭示了协作在迁移学习中的不同最优速率阶段。