Yue Xing

Le poisoning des données menace l'intégrité des systèmes d'apprentissage en contexte, révélant des vulnérabilités cachées.

Explorer comment l'entraînement adversarial améliore la robustesse des modèles grâce à la purification des caractéristiques.

Cet article analyse les avantages de l'attention multi-tête par rapport à l'attention mono-tête dans les tâches d'apprentissage automatique.

Un coup d'œil sur comment les transformers gèrent super bien les données non structurées dans les tâches de régression.

Examiner les problèmes de mémorisation dans les images générées par l'IA et ses implications.

Comprendre l'impact des attaques adversariales sur les modèles de machine learning.

Une nouvelle méthode pour protéger les jeux de données contre une utilisation non autorisée dans les modèles génératifs.

Un nouveau jeu de données vise à améliorer la sécurité des modèles de texte à image contre les contenus nuisibles.

Une nouvelle méthode réduit les risques de confidentialité dans les applications de génération augmentée par la récupération.

Cet article parle des méthodes efficaces pour vérifier les connaissances dans les systèmes RAG.