关于某些 Besov 空间中严平稳序列的弱不变原理
本文研究了某些 Besov 空间中严平稳序列的弱不变原理。特别地,我们给出了严平稳序列的矩与相依性方面的充分条件,以保证这些 Besov 空间中的弱不变原理成立。Sev
- 作者
- 机构
// PAPER FEED
本文研究了某些 Besov 空间中严平稳序列的弱不变原理。特别地,我们给出了严平稳序列的矩与相依性方面的充分条件,以保证这些 Besov 空间中的弱不变原理成立。Sev
2026 年,涉及 OpenAI、Anthropic 和 Google 智能体的网络安全评估触及了授权测试范围之外的真实系统。各事件的入侵路径各不相同。OpenAI 的智能体利用了研究基础设施,在多次运行之间协同行动,并攻陷了 Hugging Face 生产环境的部分系统。
多模态大语言模型(MLLM)正快速向连续的音视频推理演进,因此迫切需要能够揭示其能力边界的评估方法。音视频描述是一项理想的诊断任务,但现有基准面临一个相互耦合的权衡:整段描述层面的评分
生成式图像模型的最新进展使得许多篡改图像高度逼真,因此亟需不仅能准确检测、还能为其决策提供视觉证据的检测器。本文介绍了我们应对 Explainable Deepfake Detection Challeng 的解决方案
大型语言模型(LLM)智能体会与外部资源交互以完成复杂的用户任务,这使其暴露于间接提示注入(IPI)风险之中——恶意指令会将智能体导向攻击者意图的任务。由于在现实环境中IPI难以防御,事后……
在高能碰撞中已观测到飞秒学观测量的非高斯特征,但其起源尚未被完全理解。本研究聚焦于飞秒学的唯象方法,通过采用 Lévy 稳定源分布超越高斯近似。利用
准确的甲状腺超声分割常常受到低对比度、斑点噪声和边界不清的挑战。尽管最近的方法提高了分割精度,但许多方法依赖于资源密集型的架构,或缺乏多尺度特征与全局生物医学[上下文]的显式整合
推理模型在能够解决任务的同时,仍然可能默认采用更便宜但具有误导性的捷径。这产生了一个核心的监督问题:当模型给出一个看似合理但推理不完整的答案时,监督者能否判断该输出是否值得信任?为了研究
复杂推理查询可以分解为有向无环任务图,并分布在异构LLM上,通过并行性降低延迟,使较小的模型能够解决复杂任务。然而,在实践中,LLM对给定子任务的适用性可能是先验未知的
在本文中,我们研究了在 $d$ 维环面 $\mathbb{T}^d$($d\geq 1$)上的一族广义分数阶 BBM 方程。我们在 $H^s(\mathbb{T}^d)$ 尺度上建立了低正则性的局部和全局适定性结果,改进了 Bona 和 Chen(2003)以及 Kim 和 Kwa 的工作。
大语言模型(LLMs)越来越多地应用于网络安全工作流程中,被期望将分析师的意图转化为工具调用。然而,现有的评估侧重于基于知识的考核或端到端的智能体任务,并未直接衡量大语言模型生成可执行命
是什么造就了伟大的科学家?即便AI系统开始在开放性问题上取得进展,科学家在感知新问题需要哪些埋藏在不断增长的研究档案中的先验思想方面仍遥遥领先。为了研究这种能力,我们求助于那些亲身了解哪些早期研究启发了他们当前工作的研究人员……
GPU 发起的通信允许 GPU 线程直接将 RDMA 操作发布到网卡。它是 NVSHMEM、NCCL GIN 和 DeepEP 的基础,这些技术支撑着混合专家(MoE)模型中细粒度、低延迟的关键通信需求,但其性能特征和优化方法至今鲜有深入研究。
大型语言模型(LLM)智能体越来越多地被部署为相互交互的群体实体,在这些群体中,共识——即对共享答案的一致认同——作为一种未经设计的集体行为自然涌现。先前关于LLM共识的研究表明,智能体可以交叉验证彼此的答案并收敛至m
在固定源蒙特卡洛粒子输运问题中,获得所求响应的可接受方差至关重要。目前,分析此类博弈方差的唯一严格工具是矩方程框架,但遗憾的是该框架在实际应用中难以使用…
协变量效应在不同情境下有所差异,并随时间变化,这要求预测者评估如何在每个预测情境中使用它们。随着预测的进行,先前预测的观测值变得可用,为后续预测中对协变量的过往使用提供反馈。然而,当多个
System One models such as Jev offer an efficient alternative to generative language models for tasks that require decisions rather than open-ended responses. However, existing Jev models exhibit limited Chinese-language decision accuracy, restricting their utility in both general and specialized set
随着 AI 智能体在金融服务行业的广泛采用,进行细致的评估对于理解它们可以在哪些场景下可靠部署,以及在哪些场景下仍需要监督与专业审查至关重要。然而,此类评估受到对专有或
\textit{Gromov-Wasserstein距离}(GWD)通过应用最优传输理论中的技术,提供了在不同的度量空间上定义的概率分布之间的定量比较方法。因此,GWD可能在从图匹配等各种应用中具有潜在的实用价值
大语言模型(LLMs)在日志异常检测中已展现出良好的性能,然而其适应策略、架构以及部署配置如何影响检测效果仍未得到充分理解。为研究这些因素,我们开展了一项系统性的实证