Johns Hopkins University（约翰斯·霍普金斯大学）

Vector Symbolic Policy Gradient

向量符号策略梯度

Ryozo Masukawa, Sanggeon Yun, SungHeon Jeong, Hyunwoo Oh, Raheeb Hassan, Pietro Mercati, Nathaniel D. Bastian, Mahdi Imani, Mohsen Imani

机构 * University of California, Irvine（加州大学欧文分校） ； Intel Corporation（英特尔公司） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Northeastern University（东北大学） 纠错

AI总结 该研究提出VSPG算法，以单位范数超向量表示离散动作，通过优势加权超向量捆绑更新动作，可实现样本高效学习且推理内存不增加，还证明其动作选择在随机比特翻转下稳定，连接了三类方法并提供鲁棒性保证。

Comments Code available in this https URL (https://github.com/BiasLabProjects/VSPG)

What Does Attention Transfer Transfer? Attention Structure and Robustness in Vision Transformers

注意力迁移迁移了什么？视觉Transformer中的注意力结构与鲁棒性

Jesse Ponnock

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

AI总结 该研究通过分析视觉Transformer的注意力结构，发现注意力迁移的差距源于特征而非注意力结构，且鲁棒性成熟晚于准确率，早停规则会对鲁棒性采样不足。

Comments 28 pages, 9 figures