EPFL（洛桑联邦理工学院）

MirrorCheck: Efficient Adversarial Defense for Vision-Language Models

MirrorCheck: 视觉-语言模型的高效对抗防御

Samar Fares, Klea Ziu, Toluwani Aremu, Nikita Durasov, Martin Takáč, Pascal Fua, Ivan Laptev, Karthik Nandakumar

机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能大学） ； NVIDIA ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Michigan State University（密歇根州立大学） 纠错

AI总结 提出MirrorCheck框架，利用文本到图像模型和随机化策略检测并防御针对视觉-语言模型的自适应对抗攻击。

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

扮演魔鬼的代言人：现成的人格向量在顺从性上与针对性引导相媲美

Ishaan Kelkar, Nebras Alam, Vikram Kakaria, Madhur Panwar, Vasu Sharma, Maheep Chaudhary

机构 * University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学） ； Purdue University（普渡大学） ； EPFL（瑞士联邦理工学院） ； Algoverse ； Independent（独立） 纠错

AI总结 本文研究了不同人格对顺从性的影响，发现现成的人格引导向量在减少顺从性方面与针对性引导相当，且在用户正确时保持准确性。

Journal ref ICML, Pluralistic Alignment Workshop, 2026

Denoising Score Matching with Random Features: Insights on Diffusion Models from Precise Learning Curves

随机特征去噪分数匹配：从精确学习曲线看扩散模型

Anand Jerry George, Rodrigo Veiga, Nicolas Macris

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区） 纠错

AI总结 通过随机特征神经网络参数化分数函数，推导去噪分数匹配的渐近精确误差，揭示模型复杂度、数据量和噪声样本数对扩散模型泛化与记忆的影响。

Comments Published at AISTATS 2026