高校专区
SafetyRepro: 对齐基准上的配置条件排名不稳定性
机构 * Northeastern University, Boston, MA, USA（东北大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University, Dallas, TX, USA（南方 Methodist 大学）
AI总结 本文通过理论命题和提交戳评估协议，证明对齐基准上的成对模型比较结果（如“A比B更安全”）会因未指定的配置选择而发生严格反转。
使用TensorGalerkin学习、求解和优化PDE：一种高效的高性能Galerkin组装算法
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Imperial College London, UK（伦敦帝国学院，英国） ； Northeastern University, USA（东北大学，美国） ； Renmin University of China, China（中国人民大学，中国）
AI总结 提出基于Galerkin离散化的统一算法框架，通过张量化元素操作和稀疏矩阵乘法实现O(1)图规模的系统组装，高效求解、约束优化和物理信息学习变分PDE。
上下文图像生成中的视觉-语言绑定
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Northeastern University（东北大学）
AI总结 本文通过因果干预方法揭示FLUX.2模型中文本令牌与参考图像之间的隐式跨模态绑定机制，并定位绑定发生在文本序列的填充令牌上。
Comments 35 pages, 19 figures
可学习形状原型与遮挡几何引导注入的模态实例分割
机构 * School of Mechanical Engineering and Automation, Northeastern University（机械工程与自动化学院，东北大学） ； School of Information Science and Engineering, Northeastern University（信息科学与工程学院，东北大学）
AI总结 提出一种门控可靠性自适应形状先验框架，通过可学习原型和交叉注意力生成实例自适应形状先验，并利用可见掩码的符号距离场调节注入强度，在多个评估设置下超越现有方法。
Comments 13 pages, 7 figures, 5 tables. Submitted to IEEE Transactions on Circuits and Systems for Video Technology
解锁持续模型合并的潜力：ODE视角
机构 * Northeastern University, Shenyang, China（东北大学，沈阳，中国）
AI总结 提出ODE-M框架，将持续模型合并建模为参数空间中的轨迹，通过整流时变速度场和效用感知时间调度平衡历史知识与新任务，提升长任务流性能。
Comments 21 pages, 8 figures
分裂-合并：一种基于差异的主特征值问题方法
机构 * LMIB of the Ministry of Education, School of Mathematical Sciences, Beihang University（教育部离散数学与信息检索重点实验室，北京航空航天大学数学科学学院） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能与系统优化国家级前沿科学中心，东北大学）
AI总结 针对对称半正定矩阵的主特征对计算问题，提出一种基于差异的无约束优化框架，并设计分裂-合并算法，实现无矩阵、无参数迭代，收敛速度优于经典幂法。
推理作为攻击面：针对大语言模型的自适应进化思维链越狱方法
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； The University of Hong Kong, Hong Kong, China（香港大学） ； The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； Zhejiang University, Zhejiang, China（浙江大学） ； Renmin University of China, Beijing, China（中国人民大学） ； Sun Yat-sen University, Guangdong, China（中山大学） ； Northeastern University（东北大学） ； Hebei Key Laboratory of Data Science and Knowledge Management（河北省数据科学与知识管理重点实验室）
AI总结 提出自适应进化思维链越狱框架AE-CoT，通过教师角色扮演重写有害目标、分解推理片段、多代进化搜索及自适应变异率控制，有效生成高破坏性越狱提示，在多个模型和数据集上超越现有方法。
CAffNet: 硬约束仿射神经网络
机构 * Department of Mechanical and Industrial Engineering, Northeastern University, Boston, MA 02115 USA（东北大学机械与工业工程系） ； Department of Electrical Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Republic of Korea（乌山科学技术研究院电子工程系）
AI总结 提出一种将任意基数的输入相关仿射约束硬嵌入前馈神经网络和Transformer的框架，通过可训练的约束仿射层实现联合优化并保持通用逼近性质。
Palette: 一种模块化、可控且高效的框架，用于按需授权安全对齐放松的LLMs
机构 * University of Georgia（佐治亚大学） ； University of North Texas（北卡罗来纳州立大学） ； Northeastern University（东北大学）
AI总结 提出Palette框架，通过多目标搜索识别拒绝方向并轻量级适配模型，实现按需放松授权领域的安全拒绝行为，同时保持其他区域的标准安全，支持模块化组合多领域授权。
大语言模型能否解决自我毁灭亚文化中的语义差异？来自Jirai Kei的证据
机构 * School of Computer Science and Engineering, Macau University of Science and Technology（澳门科技大学计算机科学与工程学院） ； SKLPlanets, Macau University of Science and Technology（澳门科技大学SKLPlanets） ； College of Software, Northeastern University（东北大学软件学院） ； School of Energy and Power Engineering, Huazhong University of Science and Technology（华中科技大学能源与动力工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院）
AI总结 针对亚文化中自我毁灭行为检测面临的知识滞后和语义错位问题，提出多智能体框架SAS，通过自动检索和亚文化对齐显著提升LLM检测性能，并优于现有先进方法。
Comments Preprint
无安全神谕下通过模型预测控制近似安全反馈
机构 * Northeastern University（东北大学）
AI总结 提出一种利用模拟器和模型预测路径积分算法，基于可逆性和正不变性假设来近似安全函数的方法，避免手动设计安全反馈。
Comments 8 pages, 5 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈