Cornell University（康奈尔大学）

MAdam: Metric-Aware Multi-Objective Adam

MAdam: 度量感知的多目标Adam

Fengbei Liu, Rachit Saluja, Sunwoo Kwak, Ruibo Wang, Ruining Deng, Heejong Kim, Johannes C. Paetzold, Mert R. Sabuncu

机构 * Cornell Tech（康奈尔科技） ； Weill Cornell Medicine（韦尔医学院） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 提出MAdam，通过偏好条件曲率预处理多目标优化中的协调方向，解决Adam与求解器之间的权重失配和几何失配问题，在多任务学习、帕累托前沿恢复等任务中一致提升性能。

Backdooring Masked Diffusion Language Models

掩码扩散语言模型的后门攻击

Daniel Yiming Cao, Chengzhong Wang, Sheng-Yen Chou, Chengyu Huang, Pin-Yu Chen, Shengwei An

机构 * Cornell University（康奈尔大学） ； Virginia Tech（弗吉尼亚理工学院） ； IBM Research（IBM研究院） 纠错

AI总结 提出SHADOWMASK后门攻击方法，通过修改掩码扩散语言模型的前向破坏过程，实现高成功率攻击并保持模型清洁性能。

TRUST-TECH based Methods for Optimization and Learning

基于TRUST-TECH的优化与学习方法

Chandan K. Reddy

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学） 纠错

AI总结 针对机器学习中的非线性和全局优化问题，提出基于TRUST-TECH的框架，通过交替局部和邻域搜索阶段，降低对初始化的敏感性并提高解的质量。

Comments PHD Thesis

Journal ref Chandan K. Reddy, TRUST-TECH based Methods for Optimization and Learning, PHD Thesis, Cornell University, February 2007