Northeastern University（东北大学）

2602.08980 2026-02-10 physics.soc-ph cs.LG cs.SI stat.ML

When do neural ordinary differential equations generalize on complex networks?

神经普通微分方程何时能在复杂网络上泛化？

Moritz Laber, Tina Eliassi-Rad, Brennan Klein

机构 * Network Science Institute, Northeastern University, Boston, Massachusetts, USA ； Khoury College of Computer Sciences, Northeastern University, Boston, Massachusetts, USA ； Santa Fe Institute, Santa Fe, New Mexico, USA ； Institute for Experiential AI, Northeastern University, Boston, Massachusetts, USA ； Department of Physics, Northeastern University, Boston, Massachusetts, USA

AI总结研究探讨了神经ODEs在复杂网络上的泛化能力，发现度异质性和动态系统类型是影响泛化的主要因素，同时指出平均聚类作用较弱。

2602.08862 2026-02-10 cs.LG cs.DS stat.ML

Near-optimal Swap Regret Minimization for Convex Losses

近优交换遗憾最小化用于凸损失

Lunjia Hu, Jon Schneider, Yifan Wu

机构 * Northeastern University（东北大学）； Google（谷歌）； Microsoft Research（微软研究院）

AI总结本文提出了一种高效的在线算法，实现凸损失下的近优交换遗憾最小化，并首次为中位数校准提供了O(√T)的校准误差保证。

2602.08253 2026-02-10 cs.AI

G-LNS: Generative Large Neighborhood Search for LLM-Based Automatic Heuristic Design

G-LNS：基于生成式大邻域搜索的LLM自动启发式设计

Baoyun Zhao, He Wang, Liang Zeng

机构 * Software College, Northeastern University（东北大学软件学院）； International Centre for Theoretical Physics Asia-Pacific, University of Chinese Academy of Sciences（中国科学院大学国际理论物理亚太中心）； Taiji Laboratory for Gravitational Wave Universe, University of Chinese Academy of Sciences（中国科学院大学太极引力波宇宙实验室）； Tsinghua University（清华大学）

AI总结 G-LNS通过生成式进化框架，结合LLM共同进化破坏与修复操作符，实现了大邻域搜索操作符的自动化设计，在复杂组合优化问题中表现出更强的性能和泛化能力。

2508.12281 2026-02-10 cs.CL

Legal$Δ$: Enhancing Legal Reasoning in LLMs via Reinforcement Learning with Chain-of-Thought Guided Information Gain

Legal$Δ$: 通过强化学习与链式思维引导信息增益提升大语言模型的法律推理

Xin Dai, Buqiang Xu, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Xiaoyuan Yi, Shuo Wang, Ge Yu

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）； Department of Computer Science and Technology, Institute for AI, Tsinghua University（清华大学人工智能研究院计算机科学与技术系）； Microsoft Research Asia（微软亚洲研究院）

AI总结 Legal$Δ$通过强化学习与链式思维引导信息增益提升法律推理的准确性和可解释性。

2602.07903 2026-02-10 cs.AI

GCN-MPPR: Enhancing the Propagation of Message Passing Neural Networks via Motif-Based Personalized PageRank

GCN-MPPR: 通过基于图 motif 的个性化 PageRank 增强消息传递神经网络的信息传播

Mingcan Wang, Junchang Xin, Zhongming Yao, Kaifu Long, Zhiqiong Wang

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）； Key Laboratory of Big Data Management and Analytics (Liaoning Province), Northeastern University（东北大学大数据管理与分析重点实验室）； The Department of Computer Science, Aalborg University（奥尔堡大学计算机科学系）； College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学院生物信息工程学院）

AI总结 GCN-MPPR通过基于motif的个性化PageRank改进信息传播，提升GCN在精度、稳定性和效率上的表现。