Geometric Erasure by Contrastive Velocity Matching in Rectified Flows
整流流中对比速度匹配的几何擦除
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出GEM框架，通过对比速度匹配实现整流流模型中的概念擦除，结合生成流网络与教师引导的流匹配，有效抑制有害内容生成。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Learning to Inject: Automated Prompt Injection via Reinforcement Learning
学习注入：通过强化学习实现自动化提示注入
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 提出AutoInject，一种基于强化学习的黑盒框架，自动学习对抗性后缀进行提示注入，在AgentDojo上优于模板攻击和多种自适应攻击，并突破专门防御模型。
Open Materials Generation with Inference-Time Reinforcement Learning
基于推理时间强化学习的开放材料生成
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出OMatG-IRL框架，通过策略梯度强化学习直接作用于学习的速度场，无需显式计算得分，实现晶体结构预测中的能量目标强化，采样效率提升一个数量级。
Comments 25 pages, 12 figures, 6 tables
