arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Carnegie Mellon University(卡内基梅隆大学)

共收录 2342
2603.00663 2026-04-20 cs.RO

Optimal Solutions for the Moving Target Vehicle Routing Problem via Branch-and-Price with Relaxed Continuity

通过放松连续性进行分支定价求解移动目标车辆路径问题的最优解

Anoop Bhat, Geordan Gutow, Zhongqiang Ren, Sivakumar Rathinam, Howie Choset

机构 * Robotics Institute at Carnegie Mellon University(卡内基梅隆大学机器人研究所) Mechanical and Aerospace Engineering at Michigan Technological University(密歇根技术大学机械与航空航天工程系) UM-SJTU Joint Institute and Department of Automation at Shanghai Jiao Tong University(上海交通大学与UM-SJTU联合研究所及自动化系) Department of Mechanical Engineering and Department of Computer Science and Engineering at Texas A&M University(德克萨斯大学阿姆斯特朗分校机械工程系和计算机科学与工程系)

AI总结 本文提出一种新的分支定价与放松连续性算法,用于求解移动目标车辆路径问题,通过改进的标签算法有效解决定价子问题,并在25个目标实例中展示出比现有方法快数倍的求解速度。

Comments Accepted to ICAPS 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15272 2026-04-17 cs.PL cs.AI cs.LG

Prism: Symbolic Superoptimization of Tensor Programs

Prism: 张量程序的符号超优化

Mengdi Wu, Xiaoyu Jiang, Oded Padon, Zhihao Jia

机构 * Carnegie Mellon University(卡内基梅隆大学) Tsinghua University(清华大学) Weizmann Institute of Science(魏茨曼科学研究院)

AI总结 Prism通过符号化层级表示实现张量程序的符号超优化,结合符号推理与自动调优,提升效率并减少优化时间。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15180 2026-04-17 cs.LG cs.CL

AdaSplash-2: Faster Differentiable Sparse Attention

AdaSplash-2: 更快的可微稀疏注意力

Nuno Gonçalves, Hugo Pitorro, Vlad Niculae, Edoardo Ponti, Lei Li, Andre Martins, Marcos Treviso

机构 * Carnegie Mellon University(卡内基梅隆大学) Language Technology Lab, University of Amsterdam(阿姆斯特丹大学语言技术实验室) University of Edinburgh(爱丁堡大学)

AI总结 本文提出AdaSplash-2,通过新颖的直方图初始化方法减少计算τ的迭代次数,提升稀疏注意力效率,适用于中高块稀疏性场景,提升训练速度和下游任务性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15044 2026-04-17 cs.HC cs.AI

CoGrid & the Multi-User Gymnasium: A Framework for Multi-Agent Experimentation

CoGrid 与多用户Gymnasium:多智能体实验的框架

Chase McDonald, Cleotilde Gonzalez

机构 * Department of Social and Decision Sciences(社会与决策科学系) Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文介绍CoGrid和多用户Gymnasium两个工具,用于多智能体实验,支持人机协作研究社会决策与认知问题,提供开源工具和案例研究。

Comments 36 pages, 11 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.22185 2026-04-17 cs.CV

Beyond Augmentation: Cross-Modal Transformer Fusion with Bi-directional Attention for Low-Data Aneurysm Screening

超越增强:基于双向注意力的跨模态Transformer融合用于低数据动脉瘤筛查

Antara Titikhsha, Divyanshu Tak

机构 * Carnegie Mellon University(卡内基梅隆大学) Artificial Intelligence in Medicine (AIM) Program(医学人工智能(AIM)项目) Mass General Brigham(马萨诸塞总医院) Harvard Medical School(哈佛医学院) Department of Radiation Oncology(放射肿瘤科) Dana-Farber Cancer Institute(达纳-法伯癌症研究所) Brigham and Women’s Hospital(布里洛妇产科医院)

AI总结 本文提出CMTF-Net,通过跨模态目标融合框架实现解剖结构化的动脉瘤筛查,采用14个血管区域独立监督,提升低数据场景下的检测精度与可解释性。

Comments We had major improvements in this second draft. Please refer to this version only

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.01728 2026-04-17 cs.RO cs.LG cs.LO

Constrained Decoding for Safe Robot Navigation Foundation Models

安全机器人导航基础模型的约束解码

Parv Kapoor, Akila Ganlath, Michael Clifford, Changliu Liu, Sebastian Scherer, Eunsuk Kang

机构 * Carnegie Mellon University(卡内基梅隆大学) Toyota InfoTech Labs(丰田信息科技实验室)

AI总结 本文提出SafeDec框架,通过约束解码确保机器人导航基础模型满足信号时间逻辑规范,提升安全性和行动生成能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.14624 2026-04-17 cs.SE cs.AI

Asking What Matters: Reward-Driven Clarification for Software Engineering Tasks

询问何为关键:面向软件工程任务的奖励驱动澄清

Sanidhya Vijayvargiya, Vijay Viswanathan, Graham Neubig

机构 * Language Technologies Institute, Carnegie Mellon University, Pittsburgh, USA(语言技术研究所,卡内基梅隆大学,匹兹堡,美国)

AI总结 本文研究软件工程任务中有效澄清问题的方法,通过量化影响任务成功的信息类型和用户能提供的信息,提出基于Shapley属性和分布比较的多阶段强化学习奖励机制,训练出CLARITI模块,在未明确问题上表现优于GPT-5,生成更少问题。

Comments 28 pages, 6 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.14256 2026-04-17 cs.IR cs.AI

Evaluation of Agents under Simulated AI Marketplace Dynamics

对模拟AI市场动态下代理的评估

To Eun Kim, Alireza Salemi, Hamed Zamani, Fernando Diaz

机构 * Carnegie Mellon University(卡内基梅隆大学) University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)

AI总结 本文提出Marketplace Evaluation框架,通过模拟市场动态评估信息访问系统,补充传统准确度指标,探讨市场留存和份额等指标。

Comments SIGIR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.25903 2026-04-17 cs.RO

Emergent Neural Automaton Policies: Learning Symbolic Structure from Visuomotor Trajectories

涌现神经自动机策略:从视觉运动轨迹中学习符号结构

Yiyuan Pan, Xusheng Luo, Hanjiang Hu, Peiqi Yu, Changliu Liu

机构 * Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)

AI总结 本文提出ENAP框架,通过从视觉运动轨迹中自适应推断Mealy状态机,结合行为克隆学习连续控制,实现高效且可解释的机器人策略。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.07529 2026-04-17 cs.LG

MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution

MedVerse: 通过DAG结构并行执行实现高效可靠的医学推理

Jianwen Chen, Xinyu Yang, Peng Xia, Arian Azarang, Yueh Z Lee, Gang Li, Hongtu Zhu, Yun Li, Beidi Chen, Huaxiu Yao

机构 * UNC-Chapel Hill(北卡罗来纳大学教堂山分校) Carnegie Mellon University(卡内基梅隆大学)

AI总结 MedVerse通过将医学推理转化为可并行的有向无环图过程,提升复杂医疗问题的效率和可靠性,实验表明其在通用大语言模型上提升了8.9%的性能,同时减少推理延迟并提高生成吞吐量。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.15925 2026-04-17 cs.CL cs.AI cs.LG cs.SI

Social Story Frames: Contextual Reasoning about Narrative Intent and Reception

社交故事框架:关于叙事意图和接受的上下文推理

Joel Mire, Maria Antoniak, Steven R. Wilson, Zexin Ma, Achyutarama R. Ganti, Andrew Piper, Maarten Sap

机构 * Carnegie Mellon University(卡内基梅隆大学) University of Colorado Boulder(科罗拉多大学博尔德分校) University of Michigan-Flint(密歇根大学弗林特分校) University of Connecticut(康涅狄格大学) McGill University(麦吉尔大学)

AI总结 本文提出SocialStoryFrames框架,通过对话上下文和叙事理论等理论,构建了读者反应的正式化模型,用于分析社交媒体中的叙事意图和接受情况。

Comments ACL 2026 (Main)

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.14111 2026-04-16 cs.CL

Interpretable Stylistic Variation in Human and LLM Writing Across Genres, Models, and Decoding Strategies

人类与大语言模型在不同体裁、模型和解码策略下的可解释性风格差异

Swati Rallapalli, Shannon Gallagher, Ronald Yurko, Tyler Brooks, Chuck Loughin, Michele Sezgin, Violet Turri

机构 * Software Engineering Institute, AI Division, Carnegie Mellon University(卡内基梅隆大学软件工程院,人工智能分部) Department of Statistics & Data Science, Carnegie Mellon University(卡内基梅隆大学统计与数据科学系)

AI总结 本文通过分析11个LLM在8种体裁和4种解码策略下的风格差异,揭示了模型和体裁对生成文本风格的主导作用,以及生成条件对风格差异的有限影响。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.18436 2026-04-16 cs.OS cs.AI cs.FL cs.SE

VeruSAGE: A Study of Agent-Based Verification for Rust Systems

VeruSAGE:Rust系统代理验证的研究

Chenyuan Yang, Natalie Neamtu, Chris Hawblitzel, Jacob R. Lorch, Shan Lu

机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Carnegie Mellon University(卡内基梅隆大学) Microsoft Research(微软研究院) University of Chicago(芝加哥大学)

AI总结 本文研究LLM在Rust系统验证中的能力,提出VeruSAGE-Bench基准测试集,并设计不同代理系统以匹配不同LLM的特性,结果显示最佳组合能完成超过80%的验证任务。

详情

展开后加载摘要…

URL PDF HTML 收藏
2408.02839 2026-04-16 stat.ML cs.LG

Mini-batch Estimation for Deep Cox Models: Statistical Foundations and Practical Guidance

小批量估计用于深度Cox模型:统计基础与实践指导

Lang Zeng, Weijing Tang, Zhao Ren, Ying Ding

机构 * Department of Biostatistics and Health Data Science, University of Pittsburgh(生物统计与健康数据科学系,匹兹堡大学) Department of Statistics and Data Science, Carnegie Mellon University(统计与数据科学系,卡内基梅隆大学) Department of Statistics, University of Pittsburgh(统计系,匹兹堡大学)

AI总结 本文探讨了小批量梯度下降在深度Cox模型中的应用,建立了小批量最大偏似然估计器的统计性质,并通过理论分析和模拟验证了其一致性与最优收敛率,同时提供了实践指导和实际应用案例。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13584 2026-04-16 cs.RO

UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry

UNRIO:面向雷达-惯性里程计的不确定性感知速度学习

Jui-Te Huang, Tinashu Huang, Anthony Rowe, Michael Kaess

机构 * Carnegie Mellon University(卡内基梅隆大学)

AI总结 UNRIO通过直接处理雷达IQ信号预测体坐标系速度,结合Transformer架构和GRT框架,在多模式下实现不确定性估计与姿态图融合,有效提升横向运动轨迹中的里程计精度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13504 2026-04-16 cs.LG cs.AI cs.CL cs.MA cs.RO

Chain of Uncertain Rewards with Large Language Models for Reinforcement Learning

基于大语言模型的强化学习中不确定奖励链

Shentong Mo

机构 * Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出CoUR框架,利用大语言模型优化强化学习中的奖励函数设计,通过不确定性量化和贝叶斯优化提升效率与鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13453 2026-04-16 cs.LG

FAST: A Synergistic Framework of Attention and State-space Models for Spatiotemporal Traffic Prediction

FAST:一种结合注意机制和状态空间模型的协同框架用于时空交通预测

Xinjin Li, Jinghan Cao, Mengyue Wang, Yue Wu, Longxiang Yan, Yeyang Zhou, Ziqi Sha, Yu Ma

机构 * Columbia University(哥伦比亚大学) San Francisco State University(旧金山州立大学) University of California, Berkeley(加州大学伯克利分校) New York University(纽约大学) University of Pennsylvania(宾夕法尼亚大学) University of California, San Diego(加州大学圣地亚哥分校) University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校) Carnegie Mellon University(卡内基梅隆大学)

AI总结 FAST结合注意机制和状态空间模型,提出了一种可扩展的时空交通预测框架,通过时空-时空架构和Mamba基的空模块,有效捕捉短期和长期时间模式及长距离传感器依赖,实验表明其在精度、可扩展性和泛化性上均优于现有方法。

Comments Accepted by ICME 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13130 2026-04-16 cs.LG stat.ML

Generalization Guarantees on Data-Driven Tuning of Gradient Descent with Langevin Updates

基于数据驱动的梯度下降与兰格文更新的泛化保证

Saumya Goyal, Rohith Rongali, Ritabrata Ray, Barnabás Póczos

机构 * Machine Learning Department, Carnegie Mellon University(卡内基梅隆大学机器学习系) Electrical and Computer Engineering Department, Carnegie Mellon University(卡内基梅隆大学电气与计算机工程系)

AI总结 本文研究了通过超参数调优实现学习学习的问题,提出兰格文梯度下降算法,并证明其在平方损失下达到贝叶斯最优解,同时给出了泛化保证和经验验证。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.07662 2026-04-16 math.OC cs.LG

Parameter-Free Non-Ergodic Extragradient Algorithms for Solving Monotone Variational Inequalities

无参数非平稳额外梯度算法用于求解单调变分不等式

Lingqing Shen, Fatma Kılınç-Karzan

机构 * Tepper School of Business, Carnegie Mellon University(卡内基梅隆大学泰珀商学院)

AI总结 本文提出无参数非平稳额外梯度算法,解决单调变分不等式问题,实现非渐进最后迭代保证,适用于局部Lipschitz算子,并在多个应用中展示出优越性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.10245 2026-04-16 cs.AI cs.CL cs.LG

TRIM: Hybrid Inference via Targeted Stepwise Routing in Multi-Step Reasoning Tasks

TRIM:通过多步推理任务中的目标逐步路由进行混合推理

Vansh Kapoor, Aman Gupta, Hao Chen, Anurag Beniwal, Jing Huang, Aviral Kumar

机构 * Carnegie Mellon University(卡内基梅隆大学) Amazon(亚马逊)

AI总结 TRIM通过目标逐步路由在多步推理任务中提升推理效率,通过识别错误步骤并分配不同模型处理,实现更高的成本效率。

Comments Accepted at ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.07717 2026-04-16 cs.RO cs.CV

RoboTAG: End-to-end Robot Configuration Estimation via Topological Alignment Graph

RoboTAG: 通过拓扑对齐图实现端到端的机器人配置估计

Yifan Liu, Fangneng Zhan, Wanhua Li, Haowen Sun, Katerina Fragkiadaki, Hanspeter Pfister

机构 * Tsinghua University(清华大学) Harvard University(哈佛大学) Massachusetts Institute of Technology(麻省理工学院) Nanyang Technological University(南洋理工大学) Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出RoboTAG,通过结合3D和2D分支,利用拓扑对齐图缓解对标签的依赖,提升机器人姿态估计的鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.10291 2026-04-15 cs.AI

TimeSeriesExamAgent: Creating Time Series Reasoning Benchmarks at Scale

时间序列考试代理:大规模创建时间序列推理基准测试

Malgorzata Gwiazda, Yifu Cai, Mononito Goswami, Arjun Choudhry, Artur Dubrawski

机构 * Technical University of Munich(慕尼黑技术大学) Auton Lab, School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机学院自主实验室)

AI总结 本文提出TimeSeriesExamAgent,通过模板灵活性与LLM代理创造力结合,创建涵盖医疗、金融和天气领域的综合性时间序列推理基准测试,验证LLM在时间序列理解上的能力与局限。

Journal ref Proc. Int. Conf. Learn. Representations ICLR (2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.13961 2026-04-15 cs.CL cs.LG

Olmo 3

Olmo 3:先进全开源语言模型家族

Team Olmo, :, Allyson Ettinger, Amanda Bertsch, Bailey Kuehl, David Graham, David Heineman, Dirk Groeneveld, Faeze Brahman, Finbarr Timbers, Hamish Ivison, Jacob Morrison, Jake Poznanski, Kyle Lo, Luca Soldaini, Matt Jordan, Mayee Chen, Michael Noukhovitch, Nathan Lambert, Pete Walsh, Pradeep Dasigi, Robert Berry, Saumya Malik, Saurabh Shah, Scott Geng, Shane Arora, Shashank Gupta, Taira Anderson, Teng Xiao, Tyler Murray, Tyler Romero, Victoria Graf, Akari Asai, Akshita Bhagia, Alexander Wettig, Alisa Liu, Aman Rangapur, Chloe Anastasiades, Costa Huang, Dustin Schwenk, Harsh Trivedi, Ian Magnusson, Jaron Lochner, Jiacheng Liu, Lester James V. Miranda, Maarten Sap, Malia Morgan, Michael Schmitz, Michal Guerquin, Michael Wilson, Regan Huff, Ronan Le Bras, Rui Xin, Rulin Shao, Sam Skjonsberg, Shannon Zejiang Shen, Shuyue Stella Li, Tucker Wilde, Valentina Pyatkin, Will Merrill, Yapei Chang, Yuling Gu, Zhiyuan Zeng, Ashish Sabharwal, Luke Zettlemoyer, Pang Wei Koh, Ali Farhadi, Noah A. Smith, Hannaneh Hajishirzi

机构 * Allen Institute for AI(Allen人工智能研究所) University of Washington(华盛顿大学) Carnegie Mellon University(卡内基梅隆大学) Stanford University(斯坦福大学) Princeton University(普林斯顿大学) Massachusetts Institute of Technology(麻省理工学院) University of Maryland(马里兰大学)

AI总结 Olmo 3是一款7B和32B参数规模的先进语言模型,专注于长上下文推理、函数调用、编程、指令遵循、通用聊天和知识回忆。

Comments minor edit updates

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.23209 2026-04-15 cs.CV

Navigating the Accuracy-Size Trade-Off with Flexible Model Merging

通过灵活模型合并导航精度-大小权衡

Akash Dhasade, Divyansh Jhunjhunwala, Milos Vujasinovic, Gauri Joshi, Anne-Marie Kermarrec

机构 * EPFL(苏黎世联邦理工学院) Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出FlexMerge框架,灵活生成不同规模的合并模型,并揭示不同算法在精度与规模权衡中的表现差异,验证了其在视觉和NLP任务中的有效性。

Comments Accepted at ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12540 2026-04-15 cs.CL cs.AI

When Does Data Augmentation Help? Evaluating LLM and Back-Translation Methods for Hausa and Fongbe NLP

当数据增强有助于什么?评估LLM和回译方法在豪萨语和丰贝语NLP中的应用

Mahounan Pericles Adjovi, Roald Eiselen, Prasenjit Mitra

机构 * Carnegie Mellon University Africa(卡内基梅隆大学非洲分校) Centre for Text Technology(文本技术中心) North-West University(北开普大学)

AI总结 本文评估了LLM生成和回译方法在豪萨语和丰贝语中的有效性,发现任务类型而非语言或LLM质量决定增强效果,不同任务对增强结果有不同影响。

Comments 13 pages, 6 tables; previously submitted to KDD 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12477 2026-04-15 cs.CL cs.AI

Mining Large Language Models for Low-Resource Language Data: Comparing Elicitation Strategies for Hausa and Fongbe

从大型语言模型中挖掘低资源语言数据:比较Hausa和Fongbe的引导策略

Mahounan Pericles Adjovi, Roald Eiselen, Prasenjit Mitra

机构 * Carnegie Mellon University Africa(卡内基梅隆大学非洲分校) Centre for Text Technology(文本技术中心) North-West University(北开普大学) South Africa(南非)

AI总结 本文研究通过策略性提示从LLM中提取可用于Hausa和Fongbe两种西非语言的文本数据,发现Hausa需功能性文本和对话,而Fongbe需受限生成提示,GPT-4o Mini在提取目标语言词汇上表现更优。

Comments 11 pages, 5 figures, 6 tables; to appear in LREC-COLING 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12231 2026-04-15 cs.CL cs.IR

Thought-Retriever: Don't Just Retrieve Raw Data, Retrieve Thoughts for Memory-Augmented Agentic Systems

Thought-Retriever: 不只是检索原始数据,为记忆增强型智能体检索思想

Tao Feng, Pengrui Han, Guanyu Lin, Ge Liu, Jiaxuan You

机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出Thought-Retriever,一种无需受上下文长度限制的算法,使LLM能基于任意长外部数据生成输出。通过利用历史查询生成的中间响应,构建长期记忆,提升回答能力。

Journal ref Transactions on Machine Learning Research (TMLR), 04/2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12160 2026-04-15 cs.LG

PubSwap: Public-Data Off-Policy Coordination for Federated RLVR

PubSwap: 基于公共数据的联邦强化学习与验证奖励的协同训练

Anupam Nayak, Baris Askin, Muhammed Ustaomeroglu, Carlee Joe-Wong, Gauri Joshi

机构 * Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出PubSwap框架,结合LoRA本地适应与公共数据的off-policy步骤,提升联邦RLVR的通信效率和跨客户端协调。通过小规模公共数据集周期性交换响应级训练信号,实现轻量级全局对齐目标。方法在数学和医疗推理基准上优于基线。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11924 2026-04-15 cs.AI cs.CL

GoodPoint: Learning Constructive Scientific Paper Feedback from Author Responses

GoodPoint: 从作者回复中学习建设性科学论文反馈

Jimin Mun, Chani Jung, Xuhui Zhou, Hyunwoo Kim, Maarten Sap

机构 * Carnegie Mellon University(卡内基梅隆大学) Independent Researcher(独立研究者) NVIDIA

AI总结 本文提出GoodPoint方法,通过作者回复中的成功信号进行微调和偏好优化,提升反馈的有效性和实用性,实验显示其在反馈匹配和作者感知价值上优于现有模型。

Comments 22 pages, 6 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11120 2026-04-15 cs.AI

Persona Non Grata: Single-Method Safety Evaluation Is Incomplete for Persona-Imbued LLMs

不受欢迎的人:针对具有人格特征的LLM,单一方法的安全性评估是不完整的

Wenkai Li, Fan Yang, Shaunak A. Mehta, Koichi Onoue

机构 * Carnegie Mellon University(卡内基梅隆大学) Fujitsu Research of America Inc.(富士通美国研究公司)

AI总结 本文指出,针对具有人格特征的LLM,仅通过提示进行的安全性评估不完整,因为提示和激活引导暴露了不同的、依赖于架构的漏洞特征。研究显示,激活引导的漏洞无法通过提示侧排名预测,且在不同架构模型中表现各异。

详情

展开后加载摘要…

URL PDF HTML 收藏