蜂群的“集体心智”可写成单个强化学习智能体:盲目模仿的摇摆舞,等价于并行采样的多臂老虎机学习
蜂群选巢时,个体只按邻居摇摆舞的强度盲目改换立场,这种局部模仿在群体层面被证明等价于一个在线强化学习智能体在解多臂老虎机。该宏观智能体按新命名的Maynard-Cross Learning规则更新各巢址的概率,每只侦察蜂相当于一次并行的动作—回报采样。推导针对加权投票者模型这一简化描述,模拟显示约500只侦察蜂即可贴近该宏观动力学并收敛到最优巢址。
蜂群选巢时,个体只按邻居摇摆舞的强度盲目改换立场,这种局部模仿在群体层面被证明等价于一个在线强化学习智能体在解多臂老虎机。该宏观智能体按新命名的Maynard-Cross Learning规则更新各巢址的概率,每只侦察蜂相当于一次并行的动作—回报采样。推导针对加权投票者模型这一简化描述,模拟显示约500只侦察蜂即可贴近该宏观动力学并收敛到最优巢址。
两个预训练时间序列基础模型在推理时跳过整块Transformer,在1088个留出窗口上跨数据集平均预测质量变化很小,中等稀疏下A100单条延迟中位数分别降11.2%和13.4%。
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。
该工作提出 GrayShield,一种训练后、零数据的轻量净化方法,用格雷码引导的低翻转序列完全覆写 Transformer 32 位浮点权重中被声明为隐蔽信道的尾数最低位,使该信道容量归零;在四个 Transformer 模型预设、两种真实恶意载荷和五种攻击者变体下,相对七种训练后防御,它保持低于 1% 的精度影响并取得 49.96±0.66 个百分点的恢复率降低,且权重分布偏移明显小于 PatternMask 与训练后量化。
已读完全部报道