"保护无线通信：深度学习对抗对抗性示例的新防御策略"
摘要
本文由Lu Zhang等人撰写，针对无线通信网络中深度学习算法在自动调制分类（AMC）中易受对抗性示例攻击的问题，提出了一种创新的防御措施。该措施基于神经拒绝技术，结合标签平滑（LS）和高斯噪声注入（GNA），旨在高精度地检测并拒绝对抗性示例，从而保护基于深度学习的调制分类系统免受对抗性攻击。研究结果表明，所提出的防御措施能够有效提升系统对抗对抗性示例的能力。
Read more..."定制化摄像头编码器：提升自动驾驶车辆感知能力的新途径"
摘要
本文由Barath Lakshmanan等人撰写，探讨了自动驾驶车辆（AV）感知系统中摄像头编码器设计的优化问题。文章指出，尽管现有的卷积神经网络（CNN）和视觉变换器（ViT）在通用视觉任务中表现出色，但直接应用于工业级AV数据集仍存在挑战。这些挑战包括数据集的类别分布、传感器类型的多样性、检测范围的广泛性以及场景的复杂性。为了解决这些问题，作者从通用的ConvNeXt编码器出发，通过系统分析和调整设计参数，如模型宽度、深度、阶段计算比、注意力机制和输入分辨率，定制了一个针对AV数据集优化的摄像头编码器架构，实现了8.79%的mAP改进。
Read more..."小模型大智慧：基于DPO的高效记忆对话模型"
摘要
本文由Youngkyung Seo等人提出，针对多会话对话系统中记忆管理的挑战，介绍了一种基于小规模语言模型（sLLM）的高效且准确的记忆对话模型。该模型利用Direct Preference Optimization（DPO）算法，通过三种方法（SFT、DPO和DPO with SFT）有效地管理记忆，以准确反映对话历史。实验结果显示，该模型在记忆准确性和响应生成性能上均有显著提升，即使在模型规模较小的情况下，也能展现出优于大参数模型的性能。
Read more..."强化无线通信安全：混合训练时与运行时防御机制对抗对抗性攻击"
摘要
本文由Lu Zhang等人撰写，探讨了在调制分类中对抗对抗性攻击的防御机制。文章提出了一种结合训练时和运行时防御技术的混合防御策略，旨在保护基于机器学习的无线信号（调制）分类免受对抗性攻击的影响。训练时防御包括对抗性训练和标签平滑，而运行时防御则采用了基于支持向量机的神经拒绝（NR）。通过在白盒场景和真实数据集上的实验，证明了所提出的技术优于现有的最先进技术。
Read more..."微软销售人员的智能助手：细粒度内容推荐系统的前沿探索"
摘要
本文由微软的研究团队撰写，专注于为微软销售人员（MSX卖家）提供细粒度的大规模内容推荐。在大型软件组织中，销售人员需要维护与大量合作伙伴、客户和利益相关者的关系。微软销售人员使用Microsoft Sellers Experience（MSX）工具来管理这些复杂的关系。本文提出了一种基于语义匹配的内容推荐模型，该模型能够根据特定机会的上下文，从Seismic内容库中推荐最相关的技术文档、产品比较、客户成功故事等，帮助销售人员提高销售效率。该模型通过高效的语义匹配技术，处理大量机会与内容组合，确保为每个机会推荐最相关的5个内容。此外，文章还介绍了如何通过人工领域专家和“LLM作为评判”框架来评估推荐质量。
Read more..."智能决策新纪元：大型语言模型在复杂场景模拟中的应用"
摘要
本文探讨了大型语言模型（LLMs）在复杂决策场景中的应用，特别是在需要多选项和预测不同选择后果的情景中。论文提出了一种创新方法，通过允许LLMs从用户那里获取多个潜在选项及其参数，并结合优化函数进行决策分析，从而模拟潜在结果并确定最优解决方案。这种方法不仅扩展了LLMs的功能范围，还为更自主和智能的决策支持系统铺平了道路。
Read more..."构建信任与韧性：基于智能合约的去中心化联邦学习系统"
摘要
本文介绍了一种基于智能合约和去中心化系统的联邦学习（Federated Learning, FL）系统，旨在增强系统的信任和可靠性。该系统通过使用去中心化架构，特别是Inter-Planetary File System (IPFS)和智能合约，确保模型参数的安全上传和更新。研究通过实验验证了该系统的可行性，特别是在处理节点故障和不同聚合方法（如FedAvg和FedProx）时的性能。
Read more..."混合智能：教育领域中教师与生成式AI的协同创新"
摘要
本文探讨了生成式人工智能（genAI）在教育领域中的应用及其对教师专业自主权（agency）的影响。文章指出，尽管genAI在支持学习设计等活动中具有潜力，但其集成可能会限制教师在行动、影响、决策和立场方面的能力。为了解决这一问题，论文提出了一种混合智能（Hybrid Intelligence, HI）方法，旨在通过结合人类智能和人工智能来增强教师在教育设计中的自主权。文章强调了教育技术设计中应同时考虑教师和学习者的需求，以及如何通过HI方法实现更有效的教育技术集成。
Read more..."确保航空航天控制的安全与可靠：深度强化学习的新进展"
摘要
本文由斯坦福大学、耶路撒冷希伯来大学、哥本哈根信息技术大学、谷歌和GE航空研究等机构的专家共同撰写，探讨了深度强化学习（DRL）在航空航天控制系统中的应用及其安全性和可靠性问题。文章提出了一种新颖的设计-验证方法，通过k-归纳法和神经李亚普诺夫屏障证书来确保DRL控制器的正确性，并展示了这些方法在卫星控制模型中的应用。此外，文章还介绍了其他基于可达性的验证方法，并讨论了它们在实际应用中的局限性和潜在价值。
Read more...“ConceptExpress：单图像无监督概念提取的革命性突破”
摘要
本文介绍了一种名为“ConceptExpress”的新型任务——无监督概念提取（Unsupervised Concept Extraction, UCE），旨在利用预训练的扩散模型从单张图像中自动提取多个概念，无需任何人类知识。该任务的核心挑战在于如何在没有任何先验知识的情况下，从包含多个概念的图像中提取并重现这些概念。ConceptExpress通过利用预训练扩散模型的内在能力，提出了一种概念定位方法和概念令牌学习过程，以自动定位和分离图像中的显著概念，并学习代表每个独立概念的判别性令牌。此外，本文还建立了一个针对UCE任务的评估协议，并通过广泛的实验证明了ConceptExpress在UCE任务中的有效性和前景。
Read more...Previous Page
35 of 156
Next Page