VisPoison: An Effective Backdoor Attack Framework for Tabular Data Visualization Models
本文提出了 VisPoison 框架,通过数据投毒在文本生成可视化模型中引入隐蔽触发器,实现了对敏感信息的泄露、误导性图表生成及拒绝服务攻击,并证实了现有防御策略对此类攻击的防御效果有限。
3459 篇论文
本文提出了 VisPoison 框架,通过数据投毒在文本生成可视化模型中引入隐蔽触发器,实现了对敏感信息的泄露、误导性图表生成及拒绝服务攻击,并证实了现有防御策略对此类攻击的防御效果有限。
该论文提出了一种名为 OWL-TAMP 的新方法,通过利用视觉语言模型生成离散的行动排序约束和连续的代码化约束,成功将大模型的常识推理能力与任务运动规划系统相结合,从而实现了在开放世界中直接根据自然语言指令解决复杂的长程机器人操作任务。
该研究通过分析 26 名参与者在复杂 Web 开发任务中的数据,揭示了大语言模型(LLM)在软件工程中的九类常见失败模式,并发现尽管用户尝试通过提示工程缓解问题,但持续的不准确回复仍导致 17 人最终放弃使用,且无帮助回复使放弃概率增加了 11 倍。
该论文提出了一种基于视觉语言模型先验的预算高效主动提示学习框架,通过类引导聚类和自适应类阈值选择策略,在主动学习场景下实现了比现有基线更优的少样本分类性能。
该研究通过文献综述和编码分析,构建了一个包含九类日志坏味(Log Smells)的分类体系,并评估了现有修复工具,旨在帮助开发者编写更高质量的日志代码并指明未来的研究方向。
该研究通过在混合现实环境中对比个人、名义小组与临时配对在视觉图分析任务中的表现,发现尽管引入了任务实例复杂度概念,但3D图表示并未比基准测试带来更优的协作效果,从而强调了使用名义小组作为评估协作虚拟环境基准的重要性。
本文证明了折纸序列中运行长度及其起止位置是 2-同步的(即可由有限自动机计算),从而以更通用的方法重新推导了 Bunder、Bates 和 Arnold 的近期成果,并进一步研究了这些运行长度序列的临界指数与子词复杂度。
该论文提出了 ARSGaussian 方法,通过引入 LiDAR 点云约束、畸变校正坐标变换及几何一致性损失,有效解决了航空遥感场景下 3D 高斯泼溅技术面临的浮点与过度生长问题,并发布了配套的 AIR-LONGYAN 数据集以推动高精度新视角合成研究。
该研究通过文本挖掘技术分析了全球十四个行业领域的 160 份指南与政策声明,旨在评估生成式人工智能和大型语言模型的治理现状,并提出在创新与伦理问责之间取得平衡的可行建议。
本文针对现有 RSVP-BCI 系统在跨任务场景下缺乏校准数据导致解码性能下降的问题,提出了一种融合语言 - 图像先验的 ELIPformer 模型,通过构建多任务数据集并利用提示编码器与双向交叉注意力机制,实现了无需校准的跨任务零样本 RSVP 解码,显著提升了系统的实用性与泛化能力。
本文针对多类快速序列视觉呈现脑机接口(RSVP-BCI)中单一脑电模态解码性能受限的问题,构建了包含 43 名受试者的眼动与脑电融合开源数据集,并提出了一种结合双互补模块、基于理论模态贡献比的动态重加权融合策略以及层级分类器知识迁移的 MTREE-Net 网络,显著提升了多类目标 RSVP 的解码精度。
本文提出了名为 Kite 的新协议,旨在为去中心化自治组织(DAO)提供隐私保护委托投票机制,使成员能够在不泄露委托关系的前提下自由委托、撤销或重新委托投票权,并通过零知识证明、通用可组合性(UC)安全分析及以太坊智能合约实现验证了其安全性与实用性。
该论文提出了一种名为 iMarkers 的创新型隐形基准标记,旨在解决传统可见标记破坏环境美观的问题,通过专为机器人和 AR 设备设计的硬件与开源算法,实现了在保持视觉隐蔽性的同时具备高灵活性、鲁棒性及广泛适用性的导航与识别功能。
本文提出了一种求解耦合斯托克斯与非线性泊松 - 玻尔兹曼方程的有限元方法,通过重写电势对动量平衡中拖曳力的耦合项,利用相关数学理论证明了该问题弱解的唯一性、离散问题的适定性及收敛性,并通过数值实验验证了其在微通道电渗流研究中的应用效果。
本文提出了一种非对称调色板稀疏化定理(APST),通过允许顶点采样列表大小不同且仅约束平均大小,克服了原有定理证明复杂且着色算法繁琐的缺陷,从而利用简单的贪心算法在多种计算模型中实现了近乎最优的顶点着色子线性算法。
该研究通过随机对照试验发现,性别偏见不仅存在于人类管理者中,同样延伸至 AI 管理者:获奖者更倾向于认可男性管理者(无论人类或 AI),而未获奖者则对女性管理者(尤其是女性 AI)表现出更强的不信任与负面评价。
本文提出了一种基于视觉的磁驱动胡须阵列传感器,通过相机追踪胡须运动实现高精度触觉反馈,并在物体分类(准确率 99.17%)和抓取实验(成功率 87%)中验证了其在精密感知与操作中的有效性。
这篇综述论文系统回顾了 200 多篇关于 Wi-Fi 感知泛化性的文献,构建了涵盖从实验设置到模型部署的完整分类体系,深入分析了域适应、元学习等关键技术,总结了相关数据集,并提出了未来研究方向及数据集共享平台,旨在为提升 Wi-Fi 感知系统的泛化能力提供全面指南。
本文提出了识别协同场景文本编辑(RS-STE)方法,通过构建统一框架将文本识别与编辑深度融合,利用多模态并行解码器和无监督循环自监督微调策略,在简化架构的同时实现了优于现有方法的场景文本编辑效果,并提升了下游识别任务性能。
本文提出了 NeurCC,一种基于贝叶斯优化和图归约搜索算法的新型可学习并发控制机制,它通过高效映射数据库状态到控制动作的查找表,在多样化及动态变化的工作负载下实现了比现有最先进算法更高的事务吞吐量和优化速度。