Understanding Disclosure Risk in Differential Privacy with Applications to Noise Calibration and Auditing (Extended Version)
该论文指出重建鲁棒性（ReRo）在评估差分隐私风险时存在误导性，并提出了统一的“重建优势”（Reconstruction Advantage）指标，通过建立噪声与攻击优势间的紧密界限，实现了更精准的噪声校准与系统审计。
💻 Category
cs.IT
174 篇论文
STAMP: Selective Task-Aware Mechanism for Text Privacy
STAMP 是一种新的任务感知文本隐私框架，它通过结合任务重要性与隐私敏感度来动态分配隐私预算，并利用仅扰动嵌入方向而保留幅度的“极化机制”在 SQuAD、Yelp 和 AG News 等数据集上实现了更优的隐私与效用权衡。
Hybrid Approximate Message Passing
本文提出了一种名为混合广义近似消息传递（HyGAMP）的系统框架，通过将图模型中的依赖关系划分为强边和弱边，利用中心极限定理对弱边聚合进行高斯近似，从而在保持性能与复杂度平衡的同时，显著简化了通用图模型中的消息传递算法实现。
Keep Ballots Secret: On the Futility of Social Learning in Decision Making by Voting
该论文证明，在基于投票的团队协作二元决策模型中，尽管社会学习会影响个体信念，但忽略所有先前的局部决策（即采用秘密投票）反而能获得最优的团队整体性能，从而揭示了在此类场景下社会学习的无效性。
Social Teaching: Being Informative vs. Being Right in Sequential Decision Making
该论文指出，在序贯贝叶斯决策中，为了最大化最终决策者的性能，早期代理人采用偏离真实先验概率的“不准确”信念（即对低概率假设保持更开放的态度）往往比使用正确先验更为有效，因为这能在“做出正确判断”与“提供最大信息量”之间取得更优的权衡。
No-go theorem for heralded exact one-way key distillation
本文证明了超两可延性态（包含擦除态和所有满秩态）无法用于 heralded 精确单向密钥蒸馏，揭示了其与近似单向密钥蒸馏之间存在巨大差距，并将该结论自然推广至 heralded 精确单向纠缠蒸馏。
On the Ziv-Merhav theorem beyond Markovianity
本文将齐夫 - 梅尔哈夫（Ziv-Merhav）关于多水平马尔可夫测度对通用估计特定交叉熵的结果，推广至更广泛的解耦测度类，涵盖了具有适当正则性的 g-测度对以及来自数学统计力学小相互作用空间的平衡测度对。
GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications
本文综述了生成式扩散模型（GDM）在大规模 MIMO 通信中的应用潜力，通过概述相关框架与机制、展示近场信道估计案例，并探讨未来挑战与研究方向，论证了其在高效获取超维信道状态信息方面的前景。
Quantifying Information Loss under Coarse-Grained Partitions: A Discrete Framework for Explainable Artificial Intelligence
本文提出了一种基于粗粒度划分（CGPs）的离散框架，通过引入范畴统一（CU）和基于 KL 散度的信息损失度量 ，为可解释人工智能中准确性与可解释性之间的权衡提供了数学形式化分析，并揭示了零信息损失在常规评估实践中是极罕见的极限情况。
Continuous Aperture Array (CAPA)-Based Multi-Group Multicast Communications
本文针对连续孔径阵列（CAPA）多组组播系统，提出了一种基于 Dinkelbach 方法和块坐标下降算法的能效最大化波束成形设计方案，并推导了低复杂度零强制解，数值结果表明 CAPA 在能效上显著优于传统离散阵列，但其性能受孔径尺寸和用户分布影响显著。
Axial Symmetric Navier Stokes Equations and the Beltrami /anti Beltrami spectrum in view of Physics Informed Neural Networks
本文在圆柱拓扑上构建了轴对称 Navier-Stokes 方程的完备基（包含贝特拉米、反贝特拉米及闭形式分量），并提出了利用物理信息神经网络递归算法求解该方程系数的理论框架。
On the Optimality of Coded Distributed Computing for Ring Networks
本文针对环状拓扑下的编码分布式计算问题，提出了利用拓扑结构和冗余计算的新方案，证明了在特定条件下该方案在通信负载、计算负载与广播距离之间实现了最优权衡，并揭示了广播距离对降低通信负载具有乘法增益而冗余计算仅带来加法增益的结论。
The Case for Cardinality Lower Bounds
本文针对数据库优化器长期存在的严重低估问题，提出了首个基于轻量级统计信息的可证明连接大小下界理论框架 xBound，通过在 Microsoft Fabric 数据仓库中修正低估并显著提升查询性能，论证了建立下界保障对生产系统的紧迫性与巨大价值。
Optimal training-conditional regret for online conformal prediction
本文针对非平稳数据流中的在线共形预测问题，提出了结合漂移检测的自适应算法（分别适用于预训练分数和在线训练分数场景），并证明了其在训练条件累积遗憾上达到了极小极大最优性。
A New Class of Geometric Analog Error Correction Codes for Crossbar Based In-Memory Computing
本文针对电阻交叉阵列中存内计算的混合噪声模型，研究了能够处理多个异常值的几何模拟纠错码族，并通过几何分析刻画了其 m-高度分布特征。
Dictionary Based Pattern Entropy for Causal Direction Discovery
本文提出了一种基于字典的模式熵（DPE）框架，通过融合算法信息论与香农信息论，利用最小不确定性准则从时序符号数据中推断因果方向并识别驱动效应的关键子模式，在多种合成系统及真实生物生态数据中展现出优于或媲美现有方法的鲁棒性与可解释性。
Rethinking quantum smooth entropies: Tight one-shot analysis of quantum privacy amplification
本文通过引入基于测量提升的经典平滑散度的新型平滑条件熵（特别是允许对非正厄米算子进行平滑的测量平滑 Rényi 散度），建立了显著优于现有结果的量子隐私放大紧确单发界，并证明了其在渐近极限下的最优性及二阶展开的精确性。
Complete Diagrammatic Axiomatisations of Relative Entropy
本文从范畴论视角出发，利用量化幺正代数和带量化等式的弦图语言，针对随机矩阵的两种自然幺正结构（克罗内克积与直和），给出了相对熵（包括 Kullback-Leibler 散度及任意阶 Rényi 散度）的完备公理化刻画。
SLO-Aware Compute Resource Allocation for Prefill-Decode Disaggregated LLM Inference
本文提出了一种结合理论建模与实证基准测试的混合方法，通过利用排队论推导预填充阶段的吞吐量并实测解码阶段的吞吐量，在满足服务等级目标（SLO）和请求特征约束下，实现了预填充 - 解码解耦架构中大型语言模型推理计算资源的最优分配。
Set-Membership Localization via Range Measurements
本文提出了一种基于集合成员法的定位方法，通过假设距离测量存在未知但有界的误差，将非凸的可行解集包含在一个由球体交集和多面体构成的“定位集”内，并利用凸规划高效计算该集合的紧外近似（如超矩形或椭球），从而提供具有误差保证的集合值位置估计。