Yaoliang Yu

Une nouvelle approche améliore l'apprentissage contrastif grâce à des mesures de divergence variées.

Explorer les menaces posées par le empoisonnement de données indiscriminé dans l'apprentissage auto-supervisé.

Apprends comment la quantification des réseaux rend les modèles plus efficaces pour les appareils avec peu de ressources.

Explorer comment les modèles génératifs peuvent enfreindre subtilement les lois sur le copyright.

Présentation de nouvelles méthodes pour améliorer les processus d'oubli dans les modèles d'apprentissage contrastif.

Une étude sur l'adaptation des stratégies dans les jeux avec info limitée.

Apprends tout sur les méthodes de protection des données et les menaces dans le paysage de l'apprentissage automatique.