跳到主要内容
检索

University of Warwick

4 篇关联报道

订阅更新
  1. arXiv

    细菌基因组热点不再只靠汇总统计量:神经后验估计同时估计重组与突变速率,并给出热点概率

    细菌基因组中重组与突变速率沿序列变化,两类信号重叠、克隆关系又构成混杂,以往方法常假设突变速率恒定或只依赖少量汇总统计量。这项研究用神经后验估计在固定克隆谱系条件下训练模拟器,对每个基因片段分别推断局部重组与突变速率,再用环形后验传播的高斯差分检测器把后验不确定性带入热点判定。模拟数据上推断值能回到真值,可信区间随基因长度增加而收窄;在蜡样芽孢杆菌群、金黄色葡萄球菌和大肠杆菌三套真实数据上分别给出了候选热点。

  2. arXiv

    供暖控制不再依赖固定点测温:无显式时间输入的PINN把室温场误差压到1.85%以内

    室内供暖通常只靠单个或少量固定点温度测量,难以反映 occupant 周围的空间温差。研究者构建了一种不把时间作为显式输入的物理信息神经网络,改由空间坐标与少量传感器读数及其变化率推断温度场的演化,并在三种房间尺度、九个水平面上与经过验证的 COMSOL 多物理场模拟对照,验证工况的最大相对误差低于 1.85%。接入以 occupant 位置为目标的供暖控制后,与 COMSOL 离线控制相比平均数值误差约 0.67%,推理速度足以支撑实时控制。

  3. arXiv

    OPUR 用危害度重加权分布统一越狱目标,在随机解码下把 Llama-3.1-8B 的 AgentHarm 攻击成功率提到 75.00%

    该工作从概率角度重新表述 LLM 智能体越狱:证明期望危害度对数对输入的梯度,等于在危害度重加权输出分布下模型对数似然的期望梯度,从而把期望危害度最大化与目标似然优化统一起来;据此提出 OPUR,用模型自身随机 rollout 构造代理目标来引导对抗后缀优化,在 AgentHarm、InjecAgent、WebShop 三个基准上取得更高的定向攻击成功率。

  4. arXiv

    MLCommons 发布 Jailbreak Benchmark v1.0:八个开放权重模型在越狱条件下不安全回复率从 11.08% 升至 18.65%,平均韧性差距 7.57%

    MLCommons Jailbreak Benchmark v1.0 提出一套端到端方法,用 264 条覆盖十一个危害类别的种子提示和来自 MLCommons 越狱分类法的代表性攻击,对八个开放权重大语言模型进行配对基线与对抗评估,按 AILuminate 评估标准 v1.4 判定回复,并以韧性差距衡量鲁棒性;结果显示不安全回复率从基线 11.08% 升至越狱条件下的 18.65%,平均韧性差距 7.57%,可访问系统的平均差距更大,攻击有效性随攻击类别与危害类型差异明显。

已读完全部报道