Northeastern University（东北大学）

2608.21218 2026-08-24 cs.AI cs.CL cs.IR 新提交

Enhancing LLMs in Predictive Political QA with Semi-Structured Data

利用半结构化数据增强大型语言模型（LLMs）在预测性政治问答（QA）中的表现

Yinan Liu, Zihan Zhou, Zichun Jin, Xinyu Wang, Bin Wang, Xiaochun Yang

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）

AI总结本研究针对预测性政治问答任务，提出双视图框架PSL，结合半结构化政治记录提取立场与结构信号，在三个真实数据集及多个LLM上均优于基线方法。

2608.20909 2026-08-24 cs.LG cs.RO 新提交

离线强化学习中的策略提取解耦

Xuyao Lin, Yixiang Shan, Jinru Duan, Tao Yang, Xinyu Zhao, Runyu Lei, Yiming Zhao, Jiaxin Fan, Zongbao Feng, Peng Jia

机构 * Simplexity Robotics（森普莱西蒂机器人公司）； Rensselaer Polytechnic Institute（伦斯勒理工学院）； Northeastern University（东北大学）

AI总结该研究针对离线强化学习中演员与评论员耦合训练的问题，提出将策略改进与演员训练解耦的范式，通过演员生成动作候选、评论员选择，实验显示其性能优于行为克隆及联合训练的离线RL方法。

2608.20853 2026-08-24 cs.AI 新提交

MGAL：一个多语言粒度感知的长基准测试集

Chunhan Li, Chenglin Xu, Zongyang Zhang, Jiale Liu, Zhuoxi Rao, Xudong Jia, Junxiu He, Menglin Yang, Wenjuan Gong, Zhengzhe Liu, Chengwei Qin

机构 * China University of Petroleum (East China)（中国石油大学（华东））； Northeastern University at Qinhuangdao（东北大学秦皇岛分校）； Lingnan University, Hong Kong（香港岭南大学）

AI总结 MGAL是首个多语言粒度位置感知长基准，以联合国6种官方语言报告构建，含4种粒度及位置分层，实验发现LLM粗粒度任务表现差、闭源模型低资源语言占优，还识别出语义拥挤等新挑战。

2608.20351 2026-08-24 cs.CL cs.CY cs.LG 新提交

针对合成英语RAG探针中文化标记谓词触发的PII放大的分析性无检测探索：谓词资源混淆审计

Yanhang Li, Zhichao Fan, Zexin Zhuang

机构 * Northeastern University（东北大学）； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）； Southern Methodist University（南卫理公会大学）

AI总结该研究通过对四种文化的合成英语PII语料库开展RAG系统审计，发现无刻板印象驱动的PII放大，因样本效力及探针混淆问题，仅报告无检测结果而非无效应证据。