跳到正文

#論文/研究

RSS
今日 8 則
11月10日週二
  1. Apple Machine Learning Research56

    研究提出用 SVT 改善分散式差異隱私資料選擇

    把資料分散在不同裝置上做隱私分析時,挑出重要資料的準確度可能比集中處理差。研究指出,只靠一般的加噪彙整方式做私密選擇,至少需要 Ω(d/ϵ) 筆資料;作者因此提出加入一種實作稀疏向量技巧(SVT)的查詢方式。用這個方法設計的差異隱私演演算法,在 n 相對 d 為多項式範圍時,選擇結果的加法誤差可達 O(log(dn)/ε),與中央模型相當,預期 SVT 查詢次數為 O(d log* d)。研究也指出,這種做法可用於損失最小化、熱門專案辨識與稀疏平均值估計。

  2. Apple Machine Learning Research59

    Apple 研究探討測試資料可能參與訓練時,如何評估大型模型

    大型模型的測試資料可能已經被拿去訓練,讓人難以判斷評估結果準不準。這項研究分析在測試資料可能參與訓練的情況下,如何評估只能看到輸出的黑箱模型。研究發現,只查看模型在測試資料上的回答時,只有資料分佈接近少數幾種結果,才可能準確評估;若能額外向模型提問,即使查詢次數不多,也能讓評估者在一些常見情況下做得更多。

  3. Rohan Paul78

    Apple 的新論文提出 AMP1,讓通用 AI 模型根據相機畫面、執行程式並直接傳送機械手臂動作指令,在迴圈中操作物體,無須示範資料或任務訓練。 - RoboLab-120:AMP1 零樣本成功率為 85.6%,高於最佳 VLA 的 49.2% 與最佳 world-action model 的 42.9%。

    推薦理由:AMP1 以相機畫面、程式執行與直接動作指令控制機械手臂,並在 RoboLab-120 與實機試驗中呈現零樣本操作表現,可對照專用策略的基準。

  4. aihot80

    Anthropic 以 1,000 個 Claude Fable 5.2 AI 助理在沙箱中形式化證明費馬大定理

    Anthropic 使用 1,000 個執行 Claude Fable 5.2 早期版本的AI 助理,在沒有 Prove2Me 或研究者引導的情況下,於 28.7 小時內完成費馬大定理的形式化證明。

    推薦理由:這項實驗呈現 1,000 個AI 助理如何用 Git 與共享資料庫自行協調證明工作,也說明沙箱和監控如何限制其操作範圍。

11月9日週一
  1. solidot65

    研究以氯化氫排放與新裂縫為火星可能存在活火山提供證據

    研究人員將火星阿爾巴山近期出現的狹窄裂縫與大氣中的氯化氫排放連結,為地下熔岩流可能存在提供證據。 研究線索:歐空局「微量氣體火星軌道器」於 2019 年在火星大氣中探測到氯化氫;研究人員分析少量氣體資料與新拍攝的火星表面照片,將其與阿爾巴山的裂縫連結。 證據範圍:研究支援地下熔岩流可能存在,原文指出此前尚未發現火星熔岩流動或噴發的證據。

    推薦理由:研究將火星大氣中的氯化氫與阿爾巴山近期裂縫連結,提供地下熔岩流可能存在的證據,補上火星近期火山活動的觀測線索。

  2. OpenBMB64

    OpenBMB 推出 AutoRLBench,使用真實失敗的強化學習訓練案例,評測 10 個前沿AI 助理能否找出看似正常的獎勵曲線背後的根本原因。 - 評測材料:保留完整程式碼、設定、紀錄與指標,未使用合成錯誤。

    推薦理由:AutoRLBench 保留真實失敗訓練的程式碼、設定、紀錄與指標,可用來比較 10 個前沿AI 助理定位強化學習問題根因的能力差異。

  3. solidot67

    研究分析全球 465 座百萬人口城市的地面沉降

    Lijun Wang 等人利用衛星雷達測量分析全球 465 座百萬人口城市,發現多地正出現地面沉降。 - 沉降最嚴重的城市:包括墨西哥的托雷翁、墨西哥城和托盧卡,以及中國的天津等 10 座城市。

    推薦理由:研究比較全球 465 座百萬人口城市的沉降情況,並指出地下水開採與不均勻沉降帶來的不同風險。

  4. Hugging Face Blog69

    HOPE 如何透過專家互動改善 MoE 模型剪枝

    HOPE 是一種納入專家成對互動的 MoE 剪枝方法;在 3 個模型與多組基準測試中,它取得最佳整體排名,且在 50% 剪枝時優勢較明顯。 - 方法:HOPE 以校準資料計算專家互動矩陣,再透過二次規劃選出要移除的專家;作者提供校準、求解與剪枝工具。

    推薦理由:HOPE 將專家間的成對互動納入剪枝決策,並以 50% 剪枝下的基準比較呈現這種方法在高剪枝率時的表現差異。

  5. MIT News · AI58

    MIT 與 NYU 研究團隊提出 FLEX,讓機器人從自然語言指令推論未明說的偏好

    MIT 與紐約大學研究團隊提出機器人學習平臺 FLEX,讓機器人除了照字面遵循自然語言指令,也能推論指令背後未明說的偏好,調整動作規劃。 - 運作方式:FLEX 分為「Add」、「Generalize」與「Mask」三步,透過 GPT-4o 將使用者指定避開的物件泛化為較廣的類別,再移除環境中已不存在的物件;整個流程約需 5 秒。

  6. Hacker News (official RSS)87

    X 品牌汽車平臺安全研究:從車牌到遠端解鎖的完整攻擊鏈

    X 品牌汽車平臺安全研究 本文揭示了從車牌號碼到遠端解鎖汽車的完整攻擊鏈,主要利用前端 JavaScript 包中的管理憑證、WAF 路徑遍歷漏洞以及 ForgeRock OpenIDM 的 MFA 迴避。

    推薦理由:揭示連網汽車平臺的多階段安全缺口,警示 OEM 必須加固前端資源與身份驗證,並強調 API 程式碼中隱藏的管理憑證可能成為攻擊入口。