arXiv ID:
2602.21479
多流审计的全局序贯检验 / Global Sequential Testing for Multi-Stream Auditing
1️⃣ 一句话总结
这篇论文提出了一种新的序贯检验方法,用于快速监测多个数据流中的异常,相比传统方法,它在不同异常模式下都能更快地发现问题。
多流审计的全局序贯检验 / Global Sequential Testing for Multi-Stream Auditing
这篇论文提出了一种新的序贯检验方法,用于快速监测多个数据流中的异常,相比传统方法,它在不同异常模式下都能更快地发现问题。
RADAR:基于对齐表征的判别式推理用于大语言模型的知识图谱推理 / RADAR: Reasoning as Discrimination with Aligned Representations for LLM-based Knowledge Graph Reasoning
这篇论文提出了一种名为RADAR的新方法,它将知识图谱推理从传统的生成式匹配转变为判别式关系推理,通过强化学习让模型学会区分不同实体,从而在表示空间中直接进行更准确、更可靠的推理,有效提升了泛化能力并减少了幻觉问题。
切片与解释:基于领域切片的神经网络逻辑解释方法 / Slice and Explain: Logic-Based Explanations for Neural Networks through Domain Slicing
这篇论文提出了一种利用‘领域切片’技术来加速神经网络逻辑解释生成的新方法,能在保证解释正确性的前提下,将解释生成时间减少高达40%。
通过多路平行文本对齐增强多语言嵌入 / Enhancing Multilingual Embeddings via Multi-Way Parallel Text Alignment
这篇论文提出,使用多语言平行语料库进行对比学习,能显著提升多语言模型的跨语言对齐能力,从而在多种自然语言理解任务上取得比传统双语平行数据更好的性能。
弹性联邦链:将区块链共识转变为联邦学习的主动防御层 / Resilient Federated Chain: Transforming Blockchain Consensus into an Active Defense Layer for Federated Learning
这篇论文提出了一种名为‘弹性联邦链’的新框架,它巧妙地将区块链共识机制中的冗余计算资源转化为一个主动防御层,从而有效提升了联邦学习系统抵御恶意攻击的鲁棒性。
马萨特噪声下一般半空间的可靠测试学习 / Testable Learning of General Halfspaces under Massart Noise
这篇论文首次提出了一种能在高斯分布下、存在马萨特噪声时,对一般半空间进行‘可测试学习’的算法,该算法不仅能学习模型,还能提供其性能接近最优的数学证明,且其计算复杂度与已知的理论下限相匹配。
多层次因果嵌入 / Multi-Level Causal Embeddings
这篇论文提出了一种新的‘因果嵌入’框架,能够将多个精细的因果模型整合到一个更宏观的模型之中,从而解决不同来源或不同粒度的数据集合并与分析的难题。
NGDB-Zoo:迈向高效可扩展的神经图数据库训练 / NGDB-Zoo: Towards Efficient and Scalable Neural Graph Databases Training
这篇论文提出了一个名为NGDB-Zoo的新框架,通过将训练过程拆解成可并行执行的算子流并融入外部语义知识,大幅提升了神经图数据库的训练效率和推理表达能力。
快速矩阵乘法算法的神经学习:一种StrassenNet方法 / Neural Learning of Fast Matrix Multiplication Algorithms: A StrassenNet Approach
这篇论文设计了一个名为StrassenNet的神经网络,它能够自动学习并重新发现经典的Strassen快速矩阵乘法算法,并通过实验证据推测了3x3矩阵乘法所需的最小计算复杂度。
海运船舶燃油消耗的估计与优化:综述、挑战与未来方向 / Estimation and Optimization of Ship Fuel Consumption in Maritime: Review, Challenges and Future Directions
这篇论文系统梳理了海运船舶燃油消耗的预测与优化方法,首次将预测模型分为物理模型、机器学习模型和混合模型三类,并强调了数据融合与可解释人工智能的重要性,同时指出了数据质量、实时优化等关键挑战及未来研究方向。
请先 登录 后再提交论文