Northeastern University（东北大学）

Modeling and Optimizing the Provisioning of Exhaustible Capabilities for Simultaneous Task Allocation and Scheduling

对同时任务分配与调度的耗尽能力 provisioning 进行建模与优化

Jinwoo Park, Harish Ravichandar, Seth Hutchinson

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northeastern University（东北大学） 纠错

AI总结 本文提出TRAITS框架，通过非线性规划优化异构机器人团队在电池和时间约束下的特性 provisioning，提升任务分配与调度的可行性和效率。

Comments Accepted at AAMAS 2026

Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration

通过人类-人类协作的视角：一个可配置的研究平台，用于探索人类-智能体协作

Bingsheng Yao, Jiaju Chen, Chaoran Chen, April Wang, Toby Jia-jun Li, Dakuo Wang

机构 * Northeastern University（东北大学） ； Rice University（里士满大学） ； University of Notre Dame（诺特难大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。

Comments Accepted at CHI 2026

HIPPO: Enhancing the Table Understanding Capability of LLMs through Hybrid-Modal Preference Optimization

HIPPO：通过混合模态偏好优化增强大语言模型的表格理解能力

Haolan Wang, Zhenghao Liu, Xinze Li, Xiaocui Yang, Yu Gu, Yukun Yan, Qi Shi, Fangfang Li, Chong Chen, Ge Yu

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） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 HIPPO 通过混合模态偏好优化提升大语言模型的表格理解能力，实现 4% 的性能提升。

Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning

自适应时间步长流匹配用于自动驾驶运动规划

Ananya Trivedi, Anjian Li, Mohamed Elnoor, Yusuf Umut Ciftci, Avinash Singh, Jovin D'sa, Sangjae Bae, David Isele, Taskin Padir, Faizan M. Tariq

机构 * HRI ； Honda Research Institute（本田研究院） ； Northeastern University（东北大学） ； Princeton University（普林斯顿大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种基于条件流匹配的自适应时间步长框架，用于实时自动驾驶轨迹规划，通过在线调整推理步骤数和轨迹后处理提升性能。

Comments Accepted to Intelligent Vehicles Symposium 2026