The Chinese University of Hong Kong（香港中文大学）

Quantum Speedups for Stochastic Optimization with Heavy-Tailed Noise

重尾噪声下随机优化的量子加速

Bin Luo, Chengchang Liu, Jonathan Allcock, Shengyu Zhang, John C. S. Lui

机构 * The Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Tencent Quantum Laboratory（腾讯量子实验室） 纠错

AI总结 研究重尾噪声下随机优化，提出量子均值估计器，基于此构建量子归一化和投影随机梯度下降方法，在低维情况下，相比经典方法，能以更少查询次数找到近似平稳点或\(\epsilon\)-最优解。

Comments 56 pages

Learning to Select, Not Relearn: Hard-Routed Mixtures of Reasoning LoRAs

学会选择，而非重新学习：硬路由推理LoRA混合

Seyed Alireza Molavi, Zhan Su, Yan Hu, Peyman Sheikholharam Mashhadi, Stefan Byttner, Prayag Tiwari

机构 * Halmstad University（哈尔姆斯塔德大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 提出硬路由MoR-LoRA框架，通过硬top-1路由组合冻结的推理LoRA专家，保留专家行为且可训练参数少于软路由方法。

Comments Code available at: https://github.com/sar-molavi/hard-routed-mor-lora

CLIP-Guided Backdoor Defense through Entropy-Based Poisoned Dataset Separation

基于CLIP的后门防御：通过基于熵的中毒数据集分离

Binyan Xu, Fan Yang, Xilin Dai, Di Tang, Kehuan Zhang

机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 该研究提出CLIP引导后门防御（CGD），用CLIP分离干净与中毒输入，重训练模型中和后门，在4个数据集11种攻击上ASR降至1%以下，CA降幅仅0.3%，适配性与鲁棒性优异。

Comments 15 pages, 9 figures, 15 tables. To appear in the Proceedings of the 32nd ACM International Conference on Multimedia (MM '25)