3729 papers
Dit artikel introduceert CLEANSE*, een risico-gekalibreerde multi-view detector die effectief prompt laundering-aanvallen identificeert door semantische, structurele, cross-linguale en stilometrische signalen te fuseren, waarbij superieure prestaties worden behaald in het verminderen van risico's en aanvalssuccesratio's terwijl een lage latentie wordt behouden over diverse benchmarks en stresstests.
Dit artikel stelt een formele architectuur voor voor beveiligde LLM-agenten in de banksector die autorisatie loskoppelt van het model door middel van verzwakte capability-tokens en deterministische policy-engines, wat aantoonbare garanties biedt voor autoriteitsbeperking, begrensde financiële verliezen en auditintegriteit tegen kwaadwillende actoren.
Dit artikel formuleert en evalueert gebonden herstelbereikbaarheid voor kritieke blokken in 3D binaire maskers met behulp van SAFE-gegateerde enkelvoudige voxel-flips die de voorgrondhomotopie behouden, waarbij door middel van experimenten op BraTS 2021-data wordt aangetoond dat eindpunt- en padwijze getrouwheidsbeperkingen leiden tot onderscheidende herstelresultaten en topologische geldigheid binnen gespecificeerde zoekgrenzen.
Dit artikel presenteert en evalueert een prototype framework voor camera-gebaseerde bestuurdersmonitoring dat per-bestuurder kalibratie, temporele indicatoren en persistentie-gebaseerde logica combineert om het aantal valse alarmen aanzienlijk te verminderen in vergelijking met vaste drempelwaarden of single-frame methoden, terwijl het een onderwerp-onafhankelijk evaluatieprotocol vaststelt voor toekomstige validatie op real-world datasets.
Dit artikel introduceert CoCoNet, een framework dat convexe conformiteitsscores leert via Input Convex Neural Networks of spline-gebaseerde methoden om efficiënte, data-adaptieve predictieregio's te genereren voor multivariate regressie, terwijl de distribution-free dekkinggaranties behouden blijven.
Dit artikel integreert gekoppelde publieke gegevens van leaderboards, menselijke voorkeurspanelen en prijscatalogi om het ecosysteem van grote taalmodellen te karakteriseren, waarbij wordt onthuld dat prestaties schalen met het aantal parameters en tijd, voorkeursbeoordelingen een snelle omloop en stabiliteit binnen modellen vertonen, en prijzen significant worden gedreven door capaciteitsscores en de status van open gewichten ondanks opmerkelijke variaties in prijzen tussen aanbieders.
Deze studie toont aan dat machine learning-modellen voor de classificatie van versleuteld verkeer een hoge interne nauwkeurigheid kunnen bereiken, maar significante fout-positieven produceren wanneer ze op verschillende datasets worden toegepast, wat onthult dat feature-belang alleen onvoldoende is voor forensische interpretatie en dat dergelijke meldingen behandeld moeten worden als onderzoekshypotheses in plaats van als definitief bewijs.
Dit artikel toont aan dat het achteraf opschonen van de output (post-generation output scrubbing) een ontoereikende primaire verdediging is tegen privacylekken bij tool-gebruikende LLM-agenten onder indirecte promptinjectie, aangezien restinformatie vaak blijft bestaan door semantische herformuleringen, zelfs na het verwijderen van exacte waarden en aaneengesloten segmenten.
Dit artikel stelt het gebruik van Bell-ongelijkheid-audits voor, specifiek het CHSH-spel, als een modelvrij instrument om verborgen coördinatie tussen ogenschijnlijk geïsoleerde AI-agenten te detecteren door genuante communicatie te onderscheiden van louter statistische correlatie, terwijl wordt benadrukt dat de geldigheid van de methode kritisch afhangt van de onvoorspelbaarheid van de instellingen van de auditor om fout-positieven te voorkomen.
Dit onderzoek stelt een cloud-native framework voor en evalueert dit, waarbij containerisatie, microservices en geavanceerde strategieën voor pipeline-optimalisatie worden geïntegreerd om de schaalbaarheid, efficiëntie en veerkracht van het beheer van data uit de gebouwde omgeving binnen CI/CD-pipelines te verbeteren.