联邦学习的威胁与防御：全面综述与挑战

Posted on 2024-07-09 in CS.AI • 8 words • 1 minute read

摘要

本文综述了联邦学习（FL）服务生命周期中最具代表性和最先进的威胁和防御框架，旨在为FL社区提供可信FL研究的清晰理解，并为未来研究方向提供见解。

融合本体设计与CRISP-DM：网络物理系统维护的创新方法

Posted on 2024-07-09 in CS.AI • 11 words • 1 minute read

摘要

本文介绍了一种将领域专家中心的本体设计与跨行业数据挖掘标准流程（CRISP-DM）相结合的方法，旨在为网络物理系统（CPS）的纠正维护构建特定应用的本体。该方法分为三个阶段：首先，系统地指定本体需求，定义相关知识范围；其次，使用领域特定的本体构件对CPS生命周期数据进行上下文化处理；最后，利用从数据中提取的新见解来填充和扩展本体。该方法在一个模块化过程工厂的异常检测案例研究中得到了验证。

语言模型的自我识别能力：探索与发现

Posted on 2024-07-09 in CS.AI • 8 words • 1 minute read

摘要

本文探讨了语言模型的自我识别能力，通过生成“安全问题”来评估模型的自我识别能力，实验发现大多数模型在某些问题上能准确识别自己的输出，但没有证据表明模型具有一致的通用自我识别能力。

超图注意力：革新文档语义实体识别的新框架

Posted on 2024-07-09 in CS.AI • 8 words • 1 minute read

摘要

本文介绍了一种基于超图的文档语义实体识别框架HGA，该框架通过超图注意力机制同时关注实体边界和实体类别，从而在文档理解任务中实现更精细的文本表示分析。HGA方法在GraphLayoutLM的基础上构建了新的语义实体识别模型HGALayoutLM，并在多个数据集上展示了其优越的性能，达到了新的技术水平。

逻辑编程在答案集语义下的非正式语义：历史回顾与应用前景

Posted on 2024-07-09 in CS.AI • 17 words • 1 minute read

摘要

本文回顾了与逻辑编程在答案集语义下的非正式语义相关的历史调查。文章聚焦于四个具有里程碑意义的出版物，并通过相同的呈现风格和命题程序对其进行了非正式语义的对比。这些出版物涵盖了从1988年到2014年的时间段，涉及了逻辑编程的两个主要范式：答案集编程（ASP）和ASP-Prolog。ASP主要用于解决复杂的组合搜索问题，而ASP-Prolog则是一种知识表示语言，旨在模拟和捕捉领域知识，并考虑到底层的智能/理性代理。文章通过详细的历史回顾和语义分析，展示了这两个范式在逻辑编程中的应用和重要性。

隐藏在雷达下的秘密：SAR图像反取证攻击技术

Posted on 2024-07-09 in CS.AI • 10 words • 1 minute read

摘要

本文探讨了合成孔径雷达（SAR）图像在网络平台广泛可用性背景下，如何通过恶意篡改进行本地编辑的问题。文章提出了一种反取证攻击方法，通过模拟SAR系统的重新采集过程，隐藏本地篡改的痕迹，使得篡改后的图像看起来像是合法生成的。该方法在多种篡改操作场景下进行了有效性评估，结果表明，即使是最先进的取证检测器也无法检测到篡改痕迹。

震惊！VLMs竟然在这些简单任务上表现不佳！

Posted on 2024-07-09 in CS.AI • 19 words • 1 minute read

摘要

这篇论文主要探讨了具有视觉能力的大型语言模型（VLMs）在低级别视觉任务上的表现。作者设计了一套名为BlindTest的7个视觉任务，包括判断两个圆是否重叠、两条线是否相交、字母是否被圈住、计数等，发现当前的VLMs在这些任务上的表现远不如人类，甚至在一些简单的任务上也会出现错误。这表明VLMs在视觉感知方面存在局限性，需要进一步改进。

震惊！这些人工智能模型竟然是“睁眼瞎”？

Posted on 2024-07-09 in CS.AI • 32 words • 1 minute read

摘要

这篇论文探讨了具有视觉能力的大型语言模型（VLMs）在低级别视觉任务上的表现。作者通过一系列实验，测试了四种最先进的 VLMs 在识别几何图形、计数、路径跟踪等方面的能力。结果发现，这些模型在一些简单任务上的表现远不如人类，例如无法准确判断两个圆是否重叠、两个直线是否相交、字母是否被圆圈包围等。这表明 VLMs 的视觉能力存在局限性，需要进一步改进。

革命性突破：BEAM-1机器人系统引领电动汽车电池拆解新纪元

Posted on 2024-07-09 in CS.AI • 11 words • 1 minute read

摘要

本文介绍了一种基于NeuralSymbolic AI的电池拆解自主移动机械臂机器人系统（BEAM-1），旨在高效拆解电动汽车废旧电池（EOL-EVBs），以支持绿色制造和可持续发展。BEAM-1通过结合多传感器和神经谓词检测环境状态，并将其转换为准符号空间，实时通过LLM启发式树搜索识别最优动作原语序列，实现高精度执行。此外，BEAM-1采用直觉网络进行位置推测采样，并设计了精细的末端执行器，能够拆解多种螺栓类型。该系统具有持续学习能力，能够在无人类干预下自主感知、决策和执行，完成多类别、复杂情况下的连续螺栓拆解，成功率高达98.78%。此研究尝试通过NeuroSymbolic AI赋予机器人真正的自主推理、规划和学习能力，BEAM-1的框架可轻松移植到任何机器人系统，为未来实体智能机器人系统的设计和实现提供创新思路。

革命性进展：深度神经网络实现无灾难性遗忘的持续学习

Posted on 2024-07-09 in CS.AI • 8 words • 1 minute read

摘要

本文介绍了一种受人类工作记忆启发的元塑性模型，旨在解决深度神经网络（DNN）在持续学习中遇到的灾难性遗忘问题。该模型通过实现从稳定到灵活的不同类型的突触，并随机混合它们，使网络能够在不进行任何预处理或后处理的情况下，成功学习连续的信息流。这种策略使得网络能够在输入长度意外变化的情况下，保持对旧信息和新信息的平衡记忆，同时展示了对抗数据中毒攻击的鲁棒性。

Previous Page 43 of 156 Next Page