高校专区

University of Texas at Austin（得克萨斯大学奥斯汀分校）

2026-07-09 至 2026-07-09 共收录 2 篇

2607.06649 2026-07-09 cs.CR cs.LG 新提交

POPS: Recovering Unlearned Multi-Modality Knowledge in MLLMs with Prompt-Optimized Parameter Shaking

POPS：通过提示优化参数抖动恢复多模态大语言模型中未学习的多模态知识

Zhangheng LI, Jianing Zhu, Junyuan Hong, Sungmin Eum, Shuowen Hu, Suya You, Zhangyang Wang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）； DEVCOM Army Research Laboratory（陆军研究实验室）

AI总结研究针对多模态大语言模型中隐私敏感信息擦除不彻底问题，提出POPS对抗策略，通过提示后缀优化生成潜在私人示例并微调模型，实验揭示现有MMU算法弱点，POPS能近乎完全恢复敏感信息，暴露隐私保护漏洞。

2607.07637 2026-07-09 cs.LG cs.NA math.NA math.OC 新提交

An optimal control approach for neural network architecture adaptation with a posteriori error estimation

一种基于后验误差估计的神经网络架构自适应最优控制方法

C G Krishnanunni, Thomas Scott, Tan Bui-Thanh

机构 * Department of Aerospace Engineering & Engineering Mechanics, UT Austin（德克萨斯大学奥斯汀分校航空航天工程与工程力学系）； Oden Institute for Computational Engineering and Sciences, UT Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究所）

AI总结该研究基于后验误差估计提出神经网络架构自适应的最优控制方法，将训练视为连续时间最优控制问题，通过误差分解确定新层插入位置，引入新架构并利用有限元方法得出误差界，在科学数据集上验证其泛化性能优于现有方法。