Xiangliang Zhang

この記事では、グラフシステムにおける機械学習のバックドア攻撃のセキュリティリスクについて考察しています。

この研究は、複雑な数学の対話におけるLLMのパフォーマンスを測定する。

MoeSummを紹介するね: 柔軟で効率的な要約モデルだよ。

MolXは、大規模言語モデルの分子データや化学タスクの理解を向上させる。

パーソナライズドフェデレーテッドラーニングの脆弱性を探ったり、新しいバックドア攻撃手法について考えたりしてるんだ。

新しい方法で言語モデルが強化されて、言語間の知識を統合するんだ。

新しい手法が野生動物モニタリングのための動物の音を特定する精度を向上させてるよ。

ScholarChemQAを紹介するよ、これは研究者をサポートするための化学の質問応答データセットだよ。

SaSR-Netは音と映像をつなげて、動画に関する質問に正確に答えるんだ。

研究者たちは、言語モデルから不要な知識を取り除く効果的な方法を見つけた。

研究者たちは、LLMが有害なコンテンツを生成しないようにする新しい方法を提案している。