Huazhong University of Science and Technology（华中科技大学）

2606.07277 2026-06-08 cs.IT cs.CR cs.LG math.IT 新提交

The Capacity of Information-Theoretic Secure Aggregation in Federated Learning

联邦学习中信息论安全聚合的容量

Lanxin Yi, Jinbao Zhu, Kai Wan, Xiaohu Tang

机构 * Information Coding and Transmission (ICT) Key Laboratory of Sichuan Province, Southwest Jiaotong University（四川省信息编码与传输（ICT）重点实验室，西南交通大学）； School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）

AI总结针对联邦学习中的安全聚合问题，提出一种无需可信第三方或预设结构的通用密钥分发模型，并完整刻画了安全性、密钥分发通信和聚合通信三者间的容量区域。

2604.04226 2026-06-08 cs.MA cs.AI 版本更新

SW-$A^2$-Bench: Benchmarking Autonomous Software Agent Generation for Agentic Web

SW-$A^2$-Bench: 面向智能体网络的自主软件智能体生成基准测试

Linyao Chen, Bo Huang, Qinlao Zhao, Shuai Shao, Zhi Han, Zicai Cui, Ziheng Zhang, Guangtao Zeng, Wenzheng Tang, Yikun Wang, Yuanjian Zhou, Zimian Peng, Yong Yu, Weiwen Liu, Hiroki Kobayashi, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学）； The University of Tokyo（东京大学）； Huazhong University of Science and Technology（华中科技大学）； Shanghai Innovation Institute（上海创新研究院）； Nankai University（南开大学）； Singapore University of Technology and Design（新加坡科技设计大学）； Queen’s University（女王大学）； Fudan University（复旦大学）； Zhejiang University（浙江大学）

AI总结提出首个软件智能体生成基准SW-$A^2$-Bench，通过编码智能体自动将代码仓库转化为自主软件智能体，评估生成智能体的忠实性与互操作性，以扩展智能体网络规模。

2501.11592 2026-06-08 cs.LG cs.AI cs.CL

Training-free Ultra Small Model for Universal Sparse Reconstruction in Compressed Sensing

无需训练的超小模型用于压缩感知中的通用稀疏重建

Chaoqing Tang, Huanze Zhuang, Guiyun Tian, Zhenli Zeng, Yi Ding, Wenzhong Liu, Xiang Bai

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China（华中科技大学人工智能与自动化学院）； China Belt and Road Joint Lab on Measurement and Control Technology, Wuhan, China（中国一带一路测量与控制技术联合实验室）； School of Electric and Electrical Engineering, Chongqing University of Technology, Chongqing, China（重庆理工大学电气工程学院）； Optics Valley Laboratory, Wuhan, China（光谷实验室）； School of Water Conservancy and Transportation, Zhengzhou University, Zhengzhou, China（郑州大学水利与交通学院）； School of Software Engineering, Huazhong University of Science and Technology, Wuhan, China（华中科技大学软件工程学院）

AI总结本文提出无需训练的超小神经模型CL，实现快速稀疏重建，继承传统迭代方法的通用性和可解释性，提升效率和精度。