跳到主要内容
检索

University of Amsterdam

9 篇关联报道

订阅更新
  1. arXiv

    第三方技能只改几条判定规则:智能体照常执行却答错,多数扫描器没拦住

    公开技能注册表里的第三方技能,正被一种只改判定规则、不改任务和接口的投毒方式利用。StealthyPoison 在拿不到真实用户请求和标准答案的情况下,用合成请求和替身智能体的干净执行结果作参照,迭代改写公式、阈值和分支等关键规则。在 566 个合格技能、5,244 条请求、超过 26,000 条注册表条目的评测中,冻结后的投毒技能在三个留出模型上取得 31.0%–31.9% 的微平均攻击成功率,与替身模型的 32.9% 接近。

  2. arXiv

    同一物体换个机位就认不准:LieVLM 用几何令牌预测局部旋转,ScanRefer 定位精度提高 6.9 点

    多视角三维视觉语言模型存在视角诱导的语义漂移:同一物体和同一提问,换一个相机视角,目标相关响应就会变弱、弥散或偏移。LieVLM 让几何令牌预测局部旋转参数和通道门控,在预训练视觉特征的三维子空间上施加保长的旋转修正,再把修正量门控后融回原表示。在 ScanRefer 上,LieVLM-8B 取得 64.5 的 Acc@0.25 和 57.2 的 Acc@0.5,在相同提案细化协议下比已发表的 VG LLM-8B 分别高 6.9 和 6.3 点。

  3. arXiv

    本地跑大模型也不保密:贴着树莓派测电磁,生成词和提示词都能被还原

    在树莓派5上本地运行的LLaMA-3.2-1B-Instruct,其推理时的电磁泄漏可被被动探头采集,用来识别生成词并语义还原用户提示,说明本地执行本身并不保证提示与输出的机密性。

  4. arXiv

    SDECast 用神经随机微分方程在连续时间做概率天气预报,在模拟地球物理流中恢复漂移动力学,并在全球小时分辨率下给出最长五天有技巧的概率预报

    作者提出 SDECast,一个基于神经随机微分方程(SDE)的连续时间概率天气预报框架,它扩展 SDE Matching 直接在物理空间中学习随机动力学,训练时无需反复进行 SDE 模拟;在模拟地球物理流上,SDECast 恢复了有意义的漂移动力学并忠实再现了底层的连续时间行为,随后在全球小时分辨率天气预报中展现出可扩展性,能给出最长五天有技巧的概率预报。

  5. arXiv

    LiFT 让循环 DiT 在训练深度之外继续提升:L/2 与 XL/2 以更少参数和推理算力超过更大的稠密 DiT

    LiFT 把循环 DiT 的每次循环监督到一条从初始速度估计指向流匹配目标的直线路径上的对应点,使训练好的检查点可在推理时使用远超训练深度的循环数;在 ImageNet 类别条件生成上,L/2 与 XL/2 检查点通过把推理算力重新分配给循环,在更少参数与更少推理 FLOPs 下取得优于更大稠密 DiT 的 FID,而 B/2 规模上稠密模型仍更强。

  6. arXiv

    CARD 用聚类 LoRA 加解码期偏好向量,在 LaMP 与 LongLaMP 六项任务中 12 个指标拿下 10 项第一

    CARD 提出一种分层个性化文本生成框架:先按写作风格把用户聚类并为每个簇训练共享 LoRA 适配器,再用对比用户文本与簇级生成结果的隐式偏好学习得到轻量用户偏好向量,推理时仅通过低秩 logit 修正进行解码期个性化,在 LaMP 与 LongLaMP 六个任务、两个指标共 12 个设置中排名第一的有 10 个,并在低资源用户、跨模型规模与存储效率上表现稳定。

  7. arXiv

    TG-OT 用拓扑圆柱上的非平衡最优传输匹配,在 47 例配对 CCTA-IVUS 上实现无需分割的全自动冠脉配准(Dicectl=0.99、Sc=0.96、DiceL=0.69)

    该工作提出 TG-OT,一个全自动的 CCTA-IVUS 配准框架:先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径(并额外检测 IVUS 导丝伪影),再把冻结的检测器直接嵌入可微配准流程,以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化,辅以管腔半径匹配;在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下,无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69,并在严重导管旋转漂移病例上优于 Dice-only 基线(Wilcoxon 符号秩 p<0.01)。

  8. medRxiv

    人工智能增强心电图在单基因与多基因易感性下检测和预测肥厚型心肌病

    该研究在三个国际中心的1,095名致病或可能致病肌节变异携带者中,用已验证的AI-ECG模型从12导联心电图图像生成HCM评分,发现其识别基线HCM表型的AUROC为0.91、识别显性HCM为0.92,在基线基因阳性/表型阴性者中评分每升高1个标准差与随访期发生HCM相关(未校正HR 1.55,校正后HR 1.38),并在57,007名UK Biobank参与者中显示AI-ECG评分与多基因风险评分相互独立且相加,二者同时偏高者HCM的校正比值比为60.2。

  9. 人工智能全血管分割在冠状动脉内光学相干断层扫描中的真实世界外部验证

    这项回顾性单中心外部验证研究纳入100例连续接受临床指征OCT检查的患者,用既往开发的OCT-AID算法对2560个可分析帧进行全血管像素级自动标注,并与专家人工判读的参考标准逐帧比较,结果显示钙化斑块识别(κ=0.88)与定量(组内相关系数0.79–0.93)表现优异、接近观察者间变异,脂质斑块识别与定量表现合理(κ=0.68;脂质弧组内相关系数0.79;最小纤维帽厚度组内相关系数0.59)且总体优于观察者间变异,而低患病率特征(如斑块破裂)表现有限,提示在真实世界连续患者数据中全自动OCT评估可行且与观察者间变异相当。

已读完全部报道