Yao Li

DBFed hat das Ziel, Vorurteile in KI abzubauen und gleichzeitig die Datensicherheit zu wahren.

Untersuchung der Schwachstellen von DNNs gegenüber adversarialem Rauschen bei der Bildentfernung.

Forschung zu schweren Quarks gibt Einblicke in die frühen Momente des Universums.

DeeDiff verbessert Diffusionsmodelle, indem es unnötige Schritte überspringt und so die Geschwindigkeit erhöht, ohne die Qualität zu beeinträchtigen.

Eine neue Methode verbessert die Erkennung von KI-generierten Inhalten, ohne Zugriff auf Modellsdaten zu haben.

Eine neue Methode verbessert gezielte Angriffe mit einfachen Beispielen in neuronalen Netzwerken.

Ein neuer Benchmark bewertet Sprachmodelle bei wissenschaftlichen Programmierherausforderungen in verschiedenen Bereichen.

TART verbessert die Genauigkeit des Modells und schützt gleichzeitig vor gegnerischen Angriffen.

Forscher schauen sich an, wie Jets sich bei hochenergetischen Atomkollisionen verhalten und wie sie miteinander interagieren.

Algorithmen kämpfen mit Vorurteilen und Verzögerungen im Nutzer-Feedback.

Untersuchen, wie Schwer-Flavor-Jets sich bei hochenergetischen Nuklearkollisionen verhalten.

AdaScale automatisiert Deep Learning für bessere mobile Leistung und Privatsphäre.

Denoising-Modelle haben Schwierigkeiten mit adversarialem Rauschen, aber neue Strategien geben Hoffnung.