· ai
[Paper] 多智能体强盗问题中的程序公平性
在多智能体多臂赌博机（MA-MAB）的背景下，公平性通常被简化为结果：最大化福利、降低不平等或平衡效用……
-
- · ai
[Paper] Action100M: 大规模视频动作数据集
从视觉观察中推断物理动作是推动 machine intelligence 在物理世界中发展的基本能力。实现这一点需要…
- · ai
[Paper] 成为你自己的 Red Teamer：Safety Alignment via Self-Play 和 Reflective Experience Replay
Large Language Models (LLMs) 已经展现出卓越的能力，但仍然容易受到旨在绕过 safety guardrails 的对抗性 “jailbreak” 攻击。
- · devops
[Paper] 缓解 Edge AI 系统中的 GIL 瓶颈
在资源受限的边缘设备上部署基于 Python 的 AI 代理会面临运行时优化的挑战：需要大量线程来掩盖 I/O 延迟，但 Python 的 Global Interpreter Lock（GIL）阻止了真正的并行执行，导致 CPU 利用率不佳。为了解决这一问题，我们提出了一种混合执行模型，结合多进程（multi-process）和多线程（multi-threading）策略：对 CPU 密集型任务使用 Python 的 multiprocessing，对 I/O 密集型操作则在独立线程中使用异步 I/O（asynchronous I/O）。这种方式能够绕过 GIL 处理计算密集型工作负载，并高效地将 I/O 与计算重叠，从而在受限硬件上提升整体吞吐量。我们在 Raspberry Pi 4 上部署了实时目标检测流水线（object detection pipeline），实验表明该模型相较于纯多线程实现实现了 2.5 倍的加速，同时保持了低内存开销。
- · ai
[Paper] 内在多语言评估中的形式与意义
条件语言模型的内在评估指标，如 perplexity 或 bits-per-character，已在单语和多语环境中被广泛使用……
- · ai
[Paper] 表示感知的遗忘通过激活签名：从抑制到知识签名擦除
对大型语言模型（LLMs）进行选择性知识擦除对于遵守GDPR以及模型安全至关重要，然而当前的unlearning方法将行为抑制与真正的…混为一谈。
- · ai
[Paper] 学习用于并行多代理系统的延迟感知编排
多智能体系统 (MAS) 通过协调多个代理实现复杂推理，但由于多步执行和重复... 常常导致高推理延迟。
- · devops
[Paper] Chebyshev 加速子空间特征求解器用于伪厄米哈密顿量
研究材料的光电子结构可能需要计算伪厄米 Hamiltonian 的数千个最小特征对。
- · ai
[论文] 通过 In-Decoding Safety-Awareness 探测防御 Large Language Models 免受 Jailbreak 攻击
大型语言模型（LLMs）在自然语言任务中取得了令人印象深刻的表现，并且正日益在真实世界的应用中部署。尽管...
- · ai
[Paper] Model See, Model Do? 曝光感知的 Bug‑vs‑Fix 偏好评估 in Code LLMs
大型语言模型正日益用于代码生成和调试，但它们的输出仍可能包含来自训练数据的错误。Dist...
- · ai
[Paper] Agent Skills in the Wild：大规模安全漏洞的实证研究
AI agent frameworks 的兴起引入了 agent skills，即包含指令和 executable code 的 modular packages，能够动态扩展 agent 的能力……
- · devops
[Paper] SCRamble: 自适应去中心化覆盖层构建用于区块链网络
尽管 transaction throughput 已经开发超过15年，仍然是区块链面临的关键挑战之一，通常其上限为……