Publicly-Verifiable Certificates for Statistical Algorithms
统计算法的公开可验证证书
机构 * MIT(麻省理工学院) ; Cornell University(康奈尔大学)
AI总结 本文在Goldwasser等人的交互式学习证明框架基础上,定义公开可验证统计有效性证书(pvCSV),在自适应统计查询算法中构建pvCSV,认证k次自适应查询的SQ算法,样本复杂度为O(log k),并研究了SQ模型中的学习证明系统。
高校专区
统计算法的公开可验证证书
机构 * MIT(麻省理工学院) ; Cornell University(康奈尔大学)
AI总结 本文在Goldwasser等人的交互式学习证明框架基础上,定义公开可验证统计有效性证书(pvCSV),在自适应统计查询算法中构建pvCSV,认证k次自适应查询的SQ算法,样本复杂度为O(log k),并研究了SQ模型中的学习证明系统。
一次性系统识别的零一律
机构 * Imperial College London(帝国理工学院) ; New York University(纽约大学) ; Cornell University(康奈尔大学)
AI总结 研究一次性系统识别问题,通过规定字典项线性参数化解析系统,证明零一律,将问题简化为关于退化输入的问题,能从单轨迹数据恢复多种系统并检测额外探测需求。
Comments 8 pages, 2 figures
NAMESAKES: 探究文本到图像模型中的身份记忆
机构 * Carnegie Mellon University(卡内基梅隆大学) ; Tel Aviv University(特拉维夫大学) ; Cornell University(康奈尔大学)
AI总结 提出一种黑盒行为探针,无需参考照片或训练数据,即可区分文本到图像模型生成的图像是记忆还是虚构,并在NAMESAKES数据集上验证其有效性。
Comments Project page: https://namesakes-web.github.io