174 articles
Cet article introduit le « reconstruction advantage » comme métrique unifiée pour évaluer les risques de révélation en confidentialité différentielle, démontrant que les approches existantes comme la robustesse de reconstruction (ReRo) peuvent être trompeuses et proposant ainsi un cadre rigoureux pour l'audit et le calibrage du bruit.
Le papier présente STAMP, un nouveau cadre de privatisation textuelle qui améliore le compromis entre confidentialité et utilité en allouant sélectivement des budgets de confidentialité au niveau des tokens via un mécanisme polaire qui perturbe uniquement la direction des embeddings tout en préservant leur magnitude et leur sémantique.
Cet article propose un cadre systématique appelé HyGAMP qui intègre des approximations de message passant généralisé sur les arêtes faibles d'un modèle graphique avec des mises à jour standard sur les arêtes fortes, permettant ainsi de simplifier l'inférence et d'ajuster le compromis entre performance et complexité.
Cet article démontre que, dans un cadre de prise de décision collective par vote binaire avec fusion L-sur-N, l'apprentissage social est inutile et que l'optimalité de la performance de l'équipe est atteinte lorsque les agents ignorent les décisions précédentes pour ne se fier qu'à leurs signaux privés, rendant ainsi le vote secret la stratégie optimale.
Cette étude démontre que, dans un apprentissage social séquentiel bayésien, il est parfois optimal pour les agents d'utiliser des croyances a priori inexactes afin de maximiser l'information transmise aux agents suivants, créant ainsi un compromis entre la justesse de la décision immédiate et l'utilité de l'information pour le groupe.
Ce papier démontre qu'aucun état super deux-extensible, incluant les états effacés et les états de rang plein, ne peut être utilisé pour la distillation exacte et annoncée d'une clé secrète unidirectionnelle, révélant ainsi un écart extrême entre les taux de distillation exacte et approximative.
Cet article généralise le théorème de Ziv et Merhav sur l'estimation universelle de l'entropie croisée spécifique, en l'étendant d'un cadre markovien à une classe plus large de mesures découplées, notamment les g-mesures régulières et les mesures d'équilibre issues de la mécanique statistique.
Cet article explore l'application des modèles de diffusion génératifs (GDM) aux communications MIMO massives, en présentant un aperçu théorique, une étude de cas sur l'estimation de canal en champ proche et en identifiant les défis et perspectives futurs pour l'acquisition efficace des informations d'état du canal.
Cet article propose un cadre mathématique discret basé sur les partitions grossières et la mesure de divergence KL pour quantifier la perte d'information lors de l'évaluation coarse-grained, offrant ainsi un outil formel pour optimiser les compromis entre précision et interprétabilité dans l'intelligence artificielle explicable.
Cet article propose des algorithmes d'optimisation pour la formation de faisceaux dans les systèmes de communication multicast à groupe multiple basés sur des réseaux d'antennes à aperture continue (CAPA), démontrant leur supériorité en efficacité énergétique par rapport aux réseaux discrets tout en révélant l'impact critique de la taille de l'aperture et de la distribution des utilisateurs.
Cet article établit les fondements théoriques pour la résolution des équations de Navier-Stokes en symétrie axiale dans un cylindre, en utilisant une base de formes harmoniques (composées de modes Beltrami, anti-Beltrami et fermés) pour réduire le problème à une hiérarchie de relations quadratiques destinées à être résolues par un algorithme d'optimisation de type réseaux de neurones informés par la physique.
Cet article propose des schémas de calcul distribué codé optimaux pour les réseaux en anneau, démontrant que la redondance de calcul réduit la charge de communication de manière additive tandis que la distance de diffusion offre un gain multiplicatif.
Cet article présente xBound, un cadre théorique novateur calculant des bornes inférieures prouvables pour les tailles de jointures afin de corriger les sous-estimations critiques des estimateurs de cardinalité dans les systèmes de base de données industriels, démontrant ainsi des gains de performance significatifs sur la plateforme Fabric DW de Microsoft.
Cet article propose des algorithmes de prédiction conforme en ligne, adaptés à la détection de dérive, qui atteignent un regret cumulatif conditionnel à l'entraînement optimal pour des flux de données non stationnaires, que les scores de non-conformité soient préentraînés ou mis à jour en ligne.
Cet article propose une analyse géométrique des profils de hauteur m d'une nouvelle famille de codes correcteurs d'erreurs analogiques conçus pour gérer plusieurs valeurs aberrantes dans le calcul en mémoire sur des croix résistives.
Cet article propose un cadre novateur de « Dictionary Based Pattern Entropy » (DPE) qui, en combinant la théorie de l'information algorithmique et de Shannon, infère avec succès la direction de causalité et les sous-motifs déterminants dans les séquences symboliques temporelles en minimisant l'incertitude liée aux motifs, surpassant ainsi les méthodes existantes sur divers systèmes synthétiques et réels.
Ce papier introduit une nouvelle classe d'entropies conditionnelles lisses pour établir une borne de la lemma de hachage résiduel nettement améliorée et une analyse à un coup optimale de l'amplification de confidentialité quantique, dépassant les résultats antérieurs tout en récupérant les meilleurs exponentiels d'erreur asymptotiques.
Cet article propose des axiomatisations complètes de la divergence de Kullback-Leibler et des divergences de Rényi d'ordre arbitraire en les étudiant sous un angle catégorique via une algèbre monoidale quantitative et un langage de diagrammes en cordes enrichi d'équations quantitatives, pour deux structures monoidales naturelles sur les matrices stochastiques.
Cet article propose une approche hybride combinant modélisation théorique et benchmarking empirique pour déterminer l'allocation optimale des ressources de calcul dans les inférences LLM préfixées-décomposées, en tenant compte des contraintes de débit total, des objectifs de niveau de service (SLO) et des caractéristiques des requêtes.
Cet article propose une méthode de localisation par appartenance à un ensemble basée sur des mesures de distance bruitées, permettant de caractériser l'ensemble des positions possibles et de le borner efficacement par des formes convexes simples via la programmation convexe, sans recourir aux relaxations de programmation semi-définie.