Northeastern University（东北大学）

In-Context Learning Without Copying

上下文学习无需复制

Kerem Sahin, Sheridan Feucht, Adam Belfki, Jannik Brinkmann, Aaron Mueller, David Bau, Chris Wendler

机构 * Northeastern University（东北大学） ； University of Mannheim（曼海姆大学） ； Boston University（波士顿大学） 纠错

AI总结 本文提出Hapax训练方法，通过排除归纳头可预测的token损失，发现模型在保持抽象性ICL能力的同时，训练效果更优。

Fine-T2I: An Open, Large-Scale, and Diverse Dataset for High-Quality T2I Fine-Tuning

Fine-T2I: 一个大规模、高质量且多样化的开放数据集用于高质量T2I微调

Xu Ma, Yitian Zhang, Qihua Dong, Yun Fu

机构 * Department of Electrical \& Computer Engineering, Northeastern University, Boston 纠错

AI总结 Fine-T2I是一个大规模高质量开放数据集，通过结合合成和真实图像，提升T2I微调的生成质量和指令遵循性。

Comments Dataset: https://huggingface.co/datasets/ma-xu/fine-t2i

CausalGDP: Causality-Guided Diffusion Policies for Reinforcement Learning

CausalGDP: 基于因果引导的扩散策略用于强化学习

Xiaofeng Xiao, Xiao Hu, Yang Ye, Xubo Yue

机构 * Department of Mechanical & Industrial Engineering, Northeastern University, Boston, MA, USA（机械与工业工程系，东北大学，波士顿，马萨诸塞州，美国） ； Department of Civil and Environmental Engineering, Northeastern University, Boston, MA, USA（土木与环境工程系，东北大学，波士顿，马萨诸塞州，美国） 纠错

AI总结 CausalGDP通过整合因果推理，提升基于扩散的强化学习策略在复杂高维控制任务中的性能。

Soft Clustering Anchors for Self-Supervised Speech Representation Learning in Joint Embedding Prediction Architectures

用于联合嵌入预测架构中自监督语音表示学习的软聚类锚点

Georgios Ioannides, Adrian Kieback, Judah Goldfeder, Linsey Pang, Aman Chadha, Aaron Elkins, Yann LeCun, Ravid Shwartz-Ziv

机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； James Silberrad Brown Center for AI（詹姆斯·西伯拉德·布朗人工智能中心） ； Columbia University（哥伦比亚大学） ； Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； Amazon GenAI（亚马逊生成人工智能） 纠错

AI总结 GMM-Anchored JEPA通过软聚类锚点提升语音表示学习，实现ASR、情感识别和槽填充的性能提升。

Comments 15 pages, 5 figures. Code: github.com/gioannides/clustering-anchored-jepa

SHIELD: Suppressing Hallucinations In LVLM Encoders via Bias and Vulnerability Defense

SHIELD：通过偏差和脆弱性防御抑制LVLM编码器中的幻觉

Yiyang Huang, Liang Shi, Yitian Zhang, Yi Xu, Yun Fu

机构 * Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） ； Khoury College of Computer Science, Northeastern University（计算机科学学院，东北大学） 纠错

AI总结 SHIELD通过减少统计偏差、对抗固有偏差和解决脆弱性，有效抑制LVLM编码器中的对象幻觉。

Comments ICLR 2026

SNAP: Towards Segmenting Anything in Any Point Cloud

SNAP：在任意点云中实现任意分割

Aniket Gupta, Hanhui Wang, Charles Saunders, Aruni RoyChowdhury, Hanumant Singh, Huaizu Jiang

机构 * Northeastern University（东北大学） ； MathWorks 纠错

AI总结 SNAP提出一种统一的交互式3D点云分割模型，支持点和文本提示，实现跨领域泛化和高质量分割。

Comments Project Page, https://neu-vi.github.io/SNAP/

REPAIR: Robust Editing via Progressive Adaptive Intervention and Reintegration

通过渐进自适应干预与再整合实现鲁棒编辑

Yisu Wang, Ming Wang, Haoyuan Song, Wenjie Huang, Chaozheng Wang, Yi Xie, Xuming Ran

机构 * Engineering Center for Space Utilization of Chinese Academy of Sciences（中国科学院空间利用工程技术中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Northeastern University（东北大学） ； New York University（纽约大学） ； School of Computing（计算机学院） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 REPAIR通过闭环反馈和动态内存管理实现鲁棒编辑，提升编辑准确性并减少知识遗忘。

Local Dense Logit Relations for Enhanced Knowledge Distillation

局部密集logit关系用于增强知识蒸馏

Liuchi Xu, Kang Liu, Jinshuai Liu, Lu Wang, Lisheng Xu, Jun Cheng

机构 * Northeastern University, China（东北大学） ； South China Normal University, China（华南师范大学） ； Shenzhen Institutes of Advanced Technology, CAS, China（深圳先进技术研究院） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） 纠错

AI总结 本文提出局部密集logit关系蒸馏方法，通过递归解耦和重新组合logit信息，增强学生模型的学习效果，实验表明其在多个数据集上优于现有方法。

Comments Accepted by ICCV2025, Code available at https://github.com/yema-web/LDRLD