Northeastern University（东北大学）

Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography

从计算机断层扫描中早期和预诊断性检测胰腺癌

Wenxuan Li, Pedro R. A. S. Bassi, Lizhou Wu, Xinze Zhou, Yuxuan Zhao, Qi Chen, Szymon Plotka, Tianyu Lin, Zheren Zhu, Marisa Martin, Justin Caskey, Shanshan Jiang, Xiaoxi Chen, Jaroslaw B. Ćwikla, Artur Sankowski, Yaping Wu, Sergio Decherchi, Andrea Cavalli, Chandana Lall, Cristian Tomasetti, Yaxing Guo, Xuan Yu, Yuqing Cai, Hualin Qiao, Jie Bao, Chenhan Hu, Ximing Wang, Arkadiusz Sitek, Kai Ding, Heng Li, Meiyun Wang, Dexin Yu, Guang Zhang, Yang Yang, Kang Wang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Shandong Provincial Qianfoshan Hospital（山东省千佛山医院） ； Qilu Hospital of Shandong University（山东大学齐鲁医院） ； Jagiellonian University（杰齐洛尼亚大学） ； University of California, San Francisco（加州大学旧金山分校） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins Medicine（约翰霍普金斯医学中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Warmia and Mazury（马尔堡大学） ； National Medical Institute of the Ministry of Internal Affairs and Administration（内政部和行政管理局国家医疗研究所） ； Henan Provincial People’s Hospital & The People’s Hospital of Zhengzhou University（河南省人民医院及郑州大学人民医院） ； City of Hope National Medical Center（希望国家医学中心） ； Centre Européen de Calcul Atomique et Moléculaire, École Polytechnique Fédérale de Lausanne（欧洲原子和分子计算中心，洛桑联邦理工学院） ； Northeastern University（东北大学） ； Rutgers University（罗格斯大学） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Massachusetts General Hospital（麻省总医院） 纠错

AI总结 ePAI通过人工智能在CT扫描中早期检测胰腺癌，显著提高灵敏度并准确定位微小病变。

SIA: Symbolic Interpretability for Anticipatory Deep Reinforcement Learning in Network Control

SIA：符号可解释性用于网络控制中的前瞻性深度强化学习

MohammadErfan Jabbari, Abhishek Duttagupta, Claudio Fiandrino, Leonardo Bonati, Salvatore D'Oro, Michele Polese, Marco Fiore, Tommaso Melodia

机构 * IMDEA Networks Institute（IMDEA网络研究所） ； Northeastern University（东北大学） ； Universidad Carlos III de Madrid（马德里卡洛斯三世大学） 纠错

AI总结 SIA通过融合符号AI与知识图谱，实现前瞻性深度强化学习的实时可解释性，提升网络控制的透明度和效率。

Comments 10 pages, 12 figures, accepted at IEEE INFOCOM 2026

Causal Autoregressive Diffusion Language Model

因果自回归扩散语言模型

Junhao Ruan, Bei Li, Yongjing Yin, Pengcheng Huang, Xin Chen, Jingang Wang, Xunliang Cai, Tong Xiao, JingBo Zhu

机构 * Meituan Inc.（美团公司） ； School of Computer Science（计算机科学学院） ； Engineering, Northeastern University, Shenyang, China（工程学院，东北大学，沈阳，中国） ； NiuTrans Research, Shenyang, China（NiuTrans研究，沈阳，中国） 纠错

AI总结 本文提出CARD，一种结合自回归模型训练效率和扩散模型推理效率的新型语言模型，通过因果掩码和动态并行解码实现高效生成与高数据效率。

Geometry of Drifting MDPs with Path-Integral Stability Certificates

漂移MDP的几何学与路径积分稳定性证书

Zuyuan Zhang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治·华盛顿大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出通过几何方法建模漂移MDP，引入HT-RL和HT-MCTS算法，利用路径积分稳定性证书提升强化学习在非平稳环境中的跟踪与动态遗憾性能。

From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction

从未来的工作到未来的工作者：应对无症状的AI危害以实现尊严的人机交互

Upol Ehsan, Samir Passi, Koustuv Saha, Todd McNutt, Mark O. Riedl, Sara Alcorn

机构 * Northeastern University, Harvard University（东北大学、哈佛大学） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Minnesota（明尼苏达大学） 纠错

AI总结 本文提出了一种框架，旨在通过双用途机制实现尊严的人机交互，以应对人工智能导致的技能侵蚀问题。

Journal ref Proceedings of the CHI Conference on Human Factors in Computing Systems, 2026

Should I Have Expressed a Different Intent? Counterfactual Generation for LLM-Based Autonomous Control

我本应表达不同的意图？基于LLM的自主控制的反事实生成

Amirmohammad Farzaneh, Salvatore D'Oro, Osvaldo Simeone

机构 * Department of Engineering, King's College London, London, UK（伦敦大学金史密斯学院工程系） ； Intelligent Networked Systems Institute (INSI), Northeastern University, Boston, MA, USA（东北大学智能网络系统研究所） ； Intelligent Networked Systems Institute (INSI), Northeastern University, London, UK（伦敦大学东北大学智能网络系统研究所） 纠错

AI总结 本文提出一种基于结构因果模型的反事实生成方法，通过概率性反事实生成和离线校准，为LLM驱动的自主控制提供可靠反事实推理，展示了在无线网络控制中的显著优势。

On Uncertainty Calibration for Equivariant Functions

关于等变函数的不确定性校准

Edward Berman, Jacob Ginesin, Marco Pacini, Robin Walters

机构 * Department of Mathematics, Northeastern University（东北大学数学系） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Trento & Fondazione Bruno Kessler（特伦托大学及布鲁诺·凯斯勒基金会） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Geometric Learning Lab（几何学习实验室） 纠错

AI总结 本文研究了等变函数与不确定性校准之间的关系，通过理论分析和实验验证，揭示了对称性不匹配对模型校准的影响。

Comments Published in Transactions on Machine Learning Research (TMLR). Code is available at https://github.com/EdwardBerman/EquiUQ . Excited to share this paper, comments welcome :D

DPMM-CFL: Clustered Federated Learning via Dirichlet Process Mixture Model Nonparametric Clustering

DPMM-CFL：通过Dirichlet过程混合模型非参数聚类实现聚类联邦学习

Mariona Jaramillo-Civill, Peng Wu, Pau Closas

机构 * Dept. of Electrical \& Computer Engineering, Northeastern University, Boston, MA, USA 纠错

AI总结 DPMM-CFL通过非参数贝叶斯推断自动确定聚类数量和客户端分配，实现更灵活的联邦学习框架。

Comments Accepted at ICASSP 2026; 5 pages, 2 figures

SFT Doesn't Always Hurt General Capabilities: Revisiting Domain-Specific Fine-Tuning in LLMs

SFT并不总是损害通用能力：重新审视LLM中的领域特定微调

Jiacheng Lin, Zhongruo Wang, Kun Qian, Tian Wang, Arvind Srinivasan, Hansi Zeng, Ruochen Jiao, Xie Zhou, Jiri Gesi, Dakuo Wang, Yufan Guo, Kai Zhong, Weiqi Zhang, Sujay Sanghavi, Changyou Chen, Hyokun Yun, Lihong Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University at Buffalo（布法罗大学） ； Northeastern University（东北大学） 纠错

AI总结 本文研究了SFT对LLM通用能力的影响，发现较小学习率可缓解性能下降，提出TALR方法在平衡领域特定性能与通用能力方面表现优异。

Comments Accepted by ICLR 2026