跳到主要内容
检索

Indian Institute of Technology Patna

4 篇关联报道

订阅更新
  1. arXiv

    MEA 用奖励驱动多智能体把模型解释的忠实度提升最高 34%

    该工作提出 MEA 多智能体框架:Proposer 智能体按问题与模态选择并配置解释工具,Actor 智能体以忠实度为奖励端到端优化,将输出转为自然语言解释;作者同时引入覆盖特征归因、反事实推理与虚假特征检测的问题类型及基于扰动的忠实度指标,发现前沿大模型会系统性地给出不忠实解释,而 MEA 在六个数据集上优于事后解释器、智能体与闭源基线,相对未训练主干在表格、文本、视觉上分别取得 +28%、+21%、+34% 的忠实度增益。

  2. 随机委员会与多层感知机回归的混合模型在沉积床自动冲洗排水系统中预测颗粒弗劳德数,并识别体积泥沙浓度为最敏感变量

    该研究以多层感知机回归器(MLPR)为基础模型、随机委员会(RC-MLPR)为混合机器学习模型,利用从既有文献收集的五个异质数据集(覆盖较宽的水力与泥沙条件范围)来预测自动冲洗排水系统中的颗粒弗劳德数(PFr),并采用包括一致性指数在内的多种性能指标进行评估,结果显示RC-MLPR优于其他所提机器学习模型、现有先进机器学习模型以及既有经验公式,敏感性分析进一步表明体积泥沙浓度(Csed)是混合RC-MLPR模型预测PFr时最敏感的变量。

  3. ChemPhysChem

    Gemini表面活性剂链长与间隔基调控胶束结构,NaSal使胶束从2.6 nm长到15.8 nm并延长MC540荧光寿命

    该研究在30 °C下用张力测定、动态光散射、小角中子散射以及稳态与时间分辨荧光光谱,系统考察了四种Gemini表面活性剂(8-4-8、10-4-10、12-4-12、10-8-10)在100 mM浓度下、加与不加100 mM NaBr或NaSal时的界面行为、胶束自组装以及染料Merocyanine 540(MC540)的光物理响应,发现烷基链越长CMC越低(约55.4 mM降至约1.2 mM)、胶束越大且聚集数越高(13增至39),间隔基由4增至8个碳使胶束变小(D_h约2.6 nm降至约1.1 nm),NaBr通过静电屏蔽使胶束溶胀(D_h约4.8 nm),NaSal通过特异性反离子结合使胶束显著伸长(D_h

  4. arXiv

    MemGuard-Alpha 审计发现:MIA 污染分数在固定日期下判别力降至 0.487–0.537,且无过滤变体在对称交易成本下跑赢未过滤集成

    作者提出 MemGuard-Alpha,包含融合五种成员推断攻击(MIA)方法与时间邻近特征的复合污染分数,以及利用模型训练截止时间差异的跨模型记忆分歧,并在七个 LLM(124M–7B)、50 只标普 100 成分股、42,800 条提示与 299,600 条提示-模型 MIA 分数(2019–2024)上审计这两者,得到三项负面结果:时间邻近特征以 ROC-AUC 1.000 完美恢复样本内标签(因其是定义变量的单调变换),MIA 分数的判别力主要来自模型间规模差异(固定日期下原始分数 AUC 高达 0.99,但三种模型内归一化后降至 0.487–0.537),且在对称交易成本下没有任何过滤变体改善风险调整后表现、无一获得显

已读完全部报道