Separating Oblivious and Adaptive Differential Privacy under Continual Observation

Diese Arbeit löst eine offene Frage von Jain et al., indem sie erstmals ein Problem vorstellt, das die Differential-Privacy unter kontinuierlicher Beobachtung in den oblivious und adaptiven Settings trennt, indem sie zeigt, dass ein oblivious Algorithmus über exponentiell viele Zeitschritte hinweg genau bleibt, während jeder adaptive Algorithmus bereits nach konstant vielen Schritten ungenau wird.

Mark Bun, Marco Gaboardi, Connor Wagaman2026-03-12💻 cs

DynVLA: Learning World Dynamics for Action Reasoning in Autonomous Driving

Die Arbeit stellt DynVLA vor, ein autonomes Fahrmodell, das durch die neuartige „Dynamics CoT"-Methode und einen speziellen „Dynamics Tokenizer" kompakte Weltvorhersagen generiert, um physikalisch fundierte und effiziente Entscheidungen zu treffen, die in umfangreichen Experimenten Text- und Bildbasierte Ansätze übertreffen.

Shuyao Shang, Bing Zhan, Yunfei Yan, Yuqi Wang, Yingyan Li, Yasong An, Xiaoman Wang, Jierui Liu, Lu Hou, Lue Fan, Zhaoxiang Zhang, Tieniu Tan2026-03-12💻 cs