Sijia Liu

Scopri come l'ottimizzazione a due livelli affronta problemi complessi di decisione.

Affrontare le preoccupazioni etiche tramite la rimozione selettiva della memoria nei modelli di intelligenza artificiale.

L'ottimizzazione di zeroth-order offre efficienza in memoria per i modelli linguistici grandi nei compiti di NLP.

Il nuovo dataset migliora i metodi di valutazione per il machine unlearning nella generazione di immagini.

Un nuovo modo per trovare campioni di backdoor senza avere dati puliti.

AdvUnlearn migliora la sicurezza nella generazione di immagini combinando l'unlearning con l'addestramento avversariale.

UGradSL offre una soluzione pratica per rimuovere informazioni sensibili dai modelli di apprendimento automatico.

Un nuovo metodo migliora la capacità dei Modelli Linguistici di Dimenticare informazioni sensibili.

Un nuovo framework valuta quanto bene i modelli linguistici riconoscono e rispondono alle emozioni.

BrainKing valuta le capacità di risoluzione dei problemi dei modelli linguistici con informazioni limitate.

Esplorare le vulnerabilità nel riconoscimento facciale causate da attacchi di watermarking avversariale.

I ricercatori trovano modi efficaci per rimuovere conoscenze indesiderate dai modelli linguistici.