arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

高校专区

Nanyang Technological University(南洋理工大学)

2026-04-15 至 2026-04-15 共收录 8
2604.12768 2026-04-15 cs.LG

Rethinking the Personalized Relaxed Initialization in the Federated Learning: Consistency and Generalization

重新思考联邦学习中的个性化放松初始化:一致性和泛化

Li Shen, Yan Sun, Dacheng Tao

机构 * School of Cyber Science and Technology Shenzhen Campus of Sun Yat-sen University(中山大学计算机科学与技术学院深圳校区) School of Computer Science Faculty of Engineering The University of Sydney(悉尼大学计算机科学学院) Generative AI Lab College of Computing and Data Science Nanyang Technological University(南洋理工大学计算与数据科学学院生成式人工智能实验室)

AI总结 本文提出FedInit算法,通过个性化放松初始化减少联邦学习中的客户端漂移问题,分析了不一致性对泛化误差的影响,实验表明该方法在无需额外成本下能提升性能。

Comments arXiv admin note: substantial text overlap with arXiv:2306.05706

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12575 2026-04-15 cs.CV

StructDiff: A Structure-Preserving and Spatially Controllable Diffusion Model for Single-Image Generation

StructDiff:一种结构保持且空间可控的单图像生成扩散模型

Yinxi He, Kang Liao, Chunyu Lin, Tianyi Wei, Yao Zhao

机构 * Institute of Information Science, Beijing Jiaotong University(信息科学研究院,北京交通大学) Visual Intelligence +X International Cooperation Joint Laboratory of MOE, Beijing(教育部视觉智能+X国际合作联合实验室,北京) College of Computing and Data Science, Nanyang Technological University(计算与数据科学学院,南洋理工大学)

AI总结 StructDiff基于单尺度扩散模型提出,通过自适应感受野模块和3D位置编码实现结构保持与空间可控,引入基于大语言模型的新型评估标准,优于现有方法在结构一致性、视觉质量和空间可控性上。

Comments Accepted by IEEE Transactions on Multimedia (Regular Paper)

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.05206 2026-04-15 cs.CR cs.AI cs.CL cs.CV

Safety at Scale: A Comprehensive Survey of Large Model and Agent Safety

大规模安全:大型模型和智能体安全的全面综述

Xingjun Ma, Yifeng Gao, Yixu Wang, Ruofan Wang, Xin Wang, Ye Sun, Yifan Ding, Hengyuan Xu, Yunhao Chen, Yunhan Zhao, Hanxun Huang, Yige Li, Yutao Wu, Jiaming Zhang, Xiang Zheng, Yang Bai, Zuxuan Wu, Xipeng Qiu, Jingfeng Zhang, Yiming Li, Xudong Han, Haonan Li, Jun Sun, Cong Wang, Jindong Gu, Baoyuan Wu, Siheng Chen, Tianwei Zhang, Yang Liu, Mingming Gong, Tongliang Liu, Shirui Pan, Cihang Xie, Tianyu Pang, Yinpeng Dong, Ruoxi Jia, Yang Zhang, Shiqing Ma, Xiangyu Zhang, Neil Gong, Chaowei Xiao, Sarah Erfani, Tim Baldwin, Bo Li, Masashi Sugiyama, Dacheng Tao, James Bailey, Yu-Gang Jiang

机构 * Fudan University(复旦大学) The University of Melbourne(墨尔本大学) Singapore Management University(新加坡国立大学) Deakin University(德肯大学) Hong Kong University of Science and Technology(香港科学与技术大学) City University of Hong Kong(香港城市大学) University of Oxford(牛津大学) Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) Shanghai Jiao Tong University(上海交通大学) Nanyang Technological University(南洋理工大学) The University of Sydney(悉尼大学) Griffith University(格里菲斯大学) University of California, Santa Cruz(加州大学圣克鲁兹分校) Sea AI Lab(Sea AI实验室) Tsinghua University(清华大学) Virginia Tech(弗吉尼亚理工大学) CISPA Helmholtz Center for Information Security(CISPA海德堡信息安全部) University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校) Purdue University(普渡大学) Duke University(杜克大学) University of Wisconsin - Madison(威斯康星大学麦迪逊分校) RIKEN(理化学研究所) The University of Tokyo(东京大学)

AI总结 本文综述了大型模型和智能体的安全性,分析了各类攻击威胁及防御策略,指出安全评估、防御机制和数据实践的重要性,强调研究社区和国际合作的必要性。

Comments 706 papers, 60 pages, 3 figures, 14 tables; GitHub: https://github.com/xingjunm/Awesome-Large-Model-Safety

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12461 2026-04-15 cs.AI

CIA: Inferring the Communication Topology from LLM-based Multi-Agent Systems

CIA:从基于大语言模型的多智能体系统推断通信拓扑

Yongxuan Wu, Xixun Lin, He Zhang, Nan Sun, Kun Wang, Chuan Zhou, Shirui Pan, Yanan Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所) School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络安全学院) Griffith University(格里菲斯大学) Nanyang Technological University(南洋理工大学) Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)

AI总结 研究探讨了基于大语言模型的多智能体系统通信拓扑在黑盒环境下被推断的隐私风险,提出CIA攻击方法,通过构建对抗性查询和全局偏差解耦技术,验证了攻击的有效性。

Comments ACL 2026, Main

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12219 2026-04-15 cs.CV cs.AI

Ride the Wave: Precision-Allocated Sparse Attention for Smooth Video Generation

乘风而行:面向平滑视频生成的精确分配稀疏注意力

Wentai Zhang, Ronghui Xi, Shiyao Peng, Jiayu Huang, Haoran Luo, Zichen Tang, Haihong E

机构 * Beijing University of Posts and Telecommunications(北京邮电大学) Nanyang Technological University(南洋理工大学)

AI总结 本文提出PASA框架,通过动态预算分配、硬件对齐分组近似和随机选择偏置,实现高效且时间平滑的视频生成,减少视觉闪烁。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.10026 2026-04-15 cs.CV

LaV-CoT: Language-Aware Visual CoT with Multi-Aspect Reward Optimization for Real-World Multilingual VQA

LaV-CoT:具有多方面奖励优化的语言感知视觉CoT

Jing Huang, Zhiya Tan, Shutao Gong, Fanwei Zeng, Joey Tianyi Zhou, Changtao Miao, Huazhe Tan, Weibin Yao, Jianshu Li

机构 * Ant Digital Technologies, Ant Group(蚂蚁集团数字技术部) College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算机与数据科学学院) CFAR, Agency for Science, Technology and Research(科技研究局CFAR)

AI总结 LaV-CoT通过多阶段推理流程和多方面奖励优化,提升多语言视觉问答的准确性和泛化能力,实现在公开数据集上的9.5%准确率提升。

Comments Accepted by WWW 2026 Industry Track - Oral

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.13571 2026-04-15 cs.SI cs.LG

Influence Strength Estimation in Hyperbolic Space for Social Influence Maximization

在超几何空间中估计影响力强度以实现社会影响力最大化

Hongliang Qiao, Shanshan Feng, Min Zhou, Xutao Li, Yunming Ye, Fan Li, Shuo Shang, Yew-Soon Ong

机构 * The Hong Kong Polytechnic University(香港理工大学) Wuhan University(武汉大学) Huawei Noah’s Ark Lab(华为诺亚实验室) Shenzhen Key Laboratory of Internet Information Collaboration(深圳互联网信息协同重点实验室) University of Electronic Science and Technology of China(电子科技大学) Agency for Science, Technology and Research (A*STAR)(科技研究局) Nanyang Technological University(南洋理工大学)

AI总结 本文提出HIM方法,利用超几何表示学习估计用户潜在影响力传播,通过超几何用户表示模块和自适应种子选择模块,提升影响力最大化问题的性能。

Comments 14 pages, 10 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2305.16347 2026-04-15 cs.LG cs.AI cs.CV cs.NE

Prompt Evolution for Generative AI: A Classifier-Guided Approach

生成AI中的提示进化:基于分类器的指导方法

Melvin Wong, Yew-Soon Ong, Abhishek Gupta, Kavitesh K. Bali, Caishun Chen

机构 * School of Computer Science and Engineering (SCSE), Nanyang Technological University (NTU), Singapore(计算机科学与工程学院,南洋理工大学) Centre for Frontier AI Research (CFAR), Agency for Science, Technology and Research (A*STAR), Singapore(前沿人工智能研究中心,科技研究局) Singapore Institute of Manufacturing Technology (SIMTech), Agency for Science, Technology and Research (A*STAR), Singapore(新加坡制造技术研究所,科技研究局)

AI总结 本文提出基于分类器的提示进化方法,通过在生成过程中引入进化选择压力和变异,生成更符合用户需求的多样化图像。

Comments This work is published in the Proceedings of the IEEE Conference on Artificial Intelligence (CAI 2023). IEEE copyrights applies

Journal ref IEEE Conference on Artificial Intelligence (CAI) 2023 (Pages 226-229)

详情

展开后加载摘要…

URL PDF HTML 收藏