Hewlett Packard Enterprise（慧与）

Innocent Panels, Hateful Stories: Evaluating and Detecting Hateful Intent in Multi-Turn Visual Story Generation

无辜的面板，仇恨的故事：评估与检测多轮视觉故事生成中的仇恨意图

Ye Leng, Junjie Chu, Yiting Qu, Mingjie Li, Yun Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Hewlett Packard Enterprise（惠普企业） 纠错

AI总结 本研究针对多轮视觉故事生成的组级仇恨意图问题，构建了专用评估数据集，发现现有审核系统存在漏检，提出互补防御方法，强调安全需适配视觉叙事的发展。

Comments 16 pages, 5 figures, 10 tables

NIFA: Nonlinear IMC enhanced FPGA for efficient ML inference

NIFA：用于高效机器学习推理的非线性IMC增强型FPGA

Jiajun Hu, Ruthwik Reddy Sunketa, Lei Zhao, Archit Gajjar, Luca Buonanno, Aman Arora

机构 * Arizona State University（亚利桑那州立大学） ； Hewlett Packard Enterprise Labs（惠普企业实验室） 纠错

AI总结 研究针对传统FPGA中IMC设计局限，提出含无ADC的IMC块的新颖FPGA架构，通过设计空间探索和高效映射，在CNN和Transformer基准测试中显著提升能源和面积效率，推进FPGA设计。

MPSelectTune: Prompt-type Selection for Fine-tuning improves Concept Unlearning in LLMs

MPSelectTune：微调中的提示类型选择可提高大语言模型中的概念遗忘能力

Shubhadip Nag, Srinjoy Das, Agniva Saha, Anushree Ghosh, Soumi Das, Tarun Kumar, Suparna Bhattacharya, Sourangshu Bhattacharya

机构 * IIT Kharagpur（印度理工学院卡拉格布尔分校） ； MPI-SWS（马克斯·普朗克软件系统研究所） ； HPE Labs（慧与实验室） 纠错

AI总结 研究大语言模型中去除有害概念难题，提出对抗方法用联合提示预测主任务和概念任务，MPSelectTune两阶段方法可提升平均遗忘性能，实验显示能提高主任务精度并降低概念精度。

Comments Accepted at NeurIPS 2025 - Reliable ML Workshop (https://openreview.net/forum?id=Jk8sOL97Tg#discussion)

Small Experiments, Cheaper Decisions: A Case Study in Staged Promotion for Micro-Pretraining

小实验，更经济的决策：微预训练中分阶段提升的案例研究

Felipe Chavarro Polania

机构 * Hewlett Packard Enterprise（慧与科技公司） 纠错

AI总结 研究微预训练中分阶段提升协议，通过固定预算筛选配置，在Windows A100和Linux L40S上验证，发现早期排名不稳定，但最终协议以144 GPU小时找到最优配置，成本低于全量筛选。

Comments 14 pages, 5 figures; 12-hour dual-host micro-pretraining promotion study; source package includes curated ancillary artifacts