Beihang University（北京航空航天大学）

UniPET: a universal network for high-quality PET image denoising across varied dose reduction factors

UniPET：一种适用于不同剂量减少因子的高质量PET图像去噪通用网络

Zhiwen Yang, Yang Zhou, Haowei Chen, Hui Zhang, Dan Zhao, Bingzheng Wei, Yan Xu

机构 * School of Biological Science and Medical Engineering（生物科学与医学工程学院） ； State Key Laboratory of Software Development Environment（软件开发环境国家重点实验室） ； Key Laboratory of Biomechanics, Mechanobiology of Ministry of Education（教育部生物力学与机械生物学重点实验室） ； Beijing Advanced Innovation Centre for Biomedical Engineering, Beihang University（北京生物医学工程先进创新中心，北航） ； Department of Biomedical Engineering（生物医学工程系） ； Department of Gynecology Oncology（妇科肿瘤科） ； National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital（国家癌症中心/国家癌症临床研究中心/癌症医院） ； Chinese Academy of Medical Sciences（中国医学科学院） ； Peking Union Medical College（北京协和医学院） ； Xiaomi Corporation（小米公司） 纠错

AI总结 针对现有PET去噪方法在剂量减少因子变化时性能下降的问题，提出UniPET网络，通过风格对齐网络和区域感知学习策略实现跨DRF的高质量去噪，性能达到最先进水平。

SHAPE: Coalition-Aware Expert Pruning for Sparse Mixture-of-Experts LLMs

SHAPE: 面向稀疏混合专家大语言模型的联盟感知专家剪枝

Yuhao Zhang

机构 * Beihang University（北航大学） 纠错

AI总结 提出SHAPE框架，通过合作博弈论建模专家间协作，利用Shapley值识别高贡献专家，结合质量覆盖选择规则在剪枝预算下保留关键专家，实验表明在多种MoE模型上提升鲁棒性并降低显存。

FedSLoP: Memory-Efficient Federated Learning with Low-Rank Gradient Projection

FedSLoP: 基于低秩梯度投影的内存高效联邦学习

Yutong He, Zhengyang Huang, Jiahe Geng, Kun Yuan

机构 * Peking University（北京大学） ； Beihang University（北航） 纠错

AI总结 提出FedSLoP算法，结合随机低秩子空间投影降低通信和存储开销，理论证明以O(1/√NT)速率收敛到一阶稳定点，实验在异构MNIST上优于FedAvg等基线。

Comments 27 pages, 7 figures

inversedMixup: Data Augmentation via Inverting Mixed Embeddings

inversedMixup：通过反转混合嵌入进行数据增强

Fanshuang Kong, Richong Zhang, Qiyu Sun, Zhijie Nie, Ting Deng, Chunming Hu

机构 * Beihang University（北京航空航天大学） 纠错

AI总结 提出 inversedMixup 框架，结合 Mixup 的可控性与 LLM 的可解释性，通过对齐嵌入空间将混合嵌入重构为可读句子，首次实证文本 Mixup 中的流形入侵现象，并扩展为三阶段数据增强方法，在少样本和全监督场景下有效。

BadRobot: Jailbreaking Embodied LLM Agents in the Physical World

BadRobot: 在物理世界中越狱具身LLM智能体

Hangtao Zhang, Chenyu Zhu, Xianlong Wang, Ziqi Zhou, Changgan Yin, Minghui Li, Lulu Xue, Yichen Wang, Shengshan Hu, Aishan Liu, Peijin Guo, Leo Yu Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北航） ； Griffith University（格里菲斯大学） 纠错

AI总结 提出BadRobot攻击范式，利用LLM在机器人系统中的操纵、语言输出与物理动作的错位以及世界知识缺陷三个漏洞，通过语音交互使具身LLM执行有害行为，并在基准测试中验证了有效性。

Comments Accepted to ICLR 2025. Please cite the conference version. Project page: https://Embodied-LLMs-Safety.github.io

Journal ref International Conference on Learning Representations (ICLR) 2025