University of Notre Dame

8 篇关联报道

订阅更新

arXiv 2026年10月7日
可验证奖励强化学习首次拿到提示级差分隐私保证：奖励信号在噪声下仍能提分
可验证奖励强化学习（RLVR）用带标准答案的题目训练语言模型，但训练题本身可能涉密，模型权重会泄露它见过哪些题。DP-GRPO 把同一道题的全部回答合成一个梯度、只裁剪一次并加高斯噪声，使发布权重的隐私预算与每题回答数和裁剪范数无关，作者称这是 RLVR 训练的首个差分隐私保证。在 Qwen2.5-1.5B-Instruct 上以 LoRA 训练、每次运行预算为 8 时，奖励信号相对去掉奖励的对照在 MATH 上提高 2.65 个百分点、GSM8K 上提高 3.24 个百分点，且每个随机种子都为正。
可验证奖励强化学习（RLVR）用带标准答案的题目训练语言模型，但训练题本身可能涉密，模型权重会泄露它见过哪些题。DP-GRPO 把同一道题的全部回答合成一个梯度、只裁剪一次并加高斯噪声，使发布权重的隐私预算与每题回答数和裁剪范数无关，作者称这是 RLVR 训练的首个差分隐私保证。在 Qwen2.5-1.5B-Instruct 上以 LoRA 训练、每次运行预算为 8 时，奖励信号相对去掉奖励的对照在 MATH 上提高 2.65 个百分点、GSM8K 上提高 3.24 个百分点，且每个随机种子都为正。
University of Notre Dame
Jiachen Zhao（第一作者）
DP-GRPO（差分隐私组相对策略优化）差分隐私可验证奖励强化学习组相对策略优化 LoRA 低秩适配
Journal of Computational Physics 2026年9月25日
DiFVM把非结构网格有限体积求解器搬上GPU：单卡快过32核OpenFOAM，还能端到端求梯度
DiFVM把非结构多面体网格上的完整有限体积/PISO求解流程改写成静态图上的向量化散射与聚集运算，在JAX/XLA上实现GPU原生执行和端到端自动微分。此前可微CFD平台多依赖笛卡尔或结构化网格，难以直接处理贴体复杂几何。在单个NVIDIA L40 GPU上，DiFVM在所有测试算例中都快于32核并行OpenFOAM，最大算例约10⁶个控制体；可微性则通过反演空腔盖板速度和同时推断六个Windkessel参数得到演示。
DiFVM把非结构多面体网格上的完整有限体积/PISO求解流程改写成静态图上的向量化散射与聚集运算，在JAX/XLA上实现GPU原生执行和端到端自动微分。此前可微CFD平台多依赖笛卡尔或结构化网格，难以直接处理贴体复杂几何。在单个NVIDIA L40 GPU上，DiFVM在所有测试算例中都快于32核并行OpenFOAM，最大算例约10⁶个控制体；可微性则通过反演空腔盖板速度和同时推断六个Windkessel参数得到演示。
University of Notre Dame Cornell University
Pan Du（第一作者）Jianxun Wang（通讯作者）
DiFVM可微有限体积求解器基于图的有限体积重构可微编程反问题心血管血流动力学
arXiv 2026年10月14日
生成式推荐器被不到1%的假交互带偏：短前缀对齐解码，目标曝光最高抬升16.3个百分点
在只能查询推荐接口的黑盒条件下，注入不到1%的合成交互就能让生成式推荐器在特定触发商品出现时更频繁地推出攻击目标，按解码对齐挑出的短前缀把命中率提升最多16.3个百分点。
University of Notre Dame University of North Carolina at Chapel Hill
Zhuoxuan Zhang（第一作者）
AlignPoison 条件性定向投毒攻击数据投毒攻击生成式推荐系统
arXiv 2026年10月12日
安全对齐卡在“写拒绝”这一步：注意力早已识别有害，MLP 直到答案开头才落笔
在 18 对 Base–Instruct 模型上，有害性信息在注意力更新中更易解码，而拒绝证据主要由 MLP 写入，且后训练只增强写入、不提升识别。
University of Notre Dame Duke University Georgia Institute of Technology
Zixuan Weng（第一作者）
注意力到MLP安全通路 Sentinel诊断方法激活修补安全对齐越狱攻击
arXiv 2026年9月28日
FuseReg 用随机层子集训练解码器与 DiT，让单个解码器在完整、稀疏与单层融合下都能重建，并在生成器不变时降低 gFID
该工作提出 FuseReg，把表征自编码器（RAE）中层融合的选择从固定启发式改为训练时对编码器层随机子集采样：在 ImageNet-256 与冻结 DINOv3-L 上，一个 FuseReg 解码器无需重训即可从完整、稀疏和单层融合重建，PSNR 高于专用于固定融合的解码器；仅替换解码器（RAEv2 DiT-XL 生成器不变）即降低无引导 gFID，联合正则化解码器与生成器在 DiT-Base 上进一步降低无引导 gFID。
该工作提出 FuseReg，把表征自编码器（RAE）中层融合的选择从固定启发式改为训练时对编码器层随机子集采样：在 ImageNet-256 与冻结 DINOv3-L 上，一个 FuseReg 解码器无需重训即可从完整、稀疏和单层融合重建，PSNR 高于专用于固定融合的解码器；仅替换解码器（RAEv2 DiT-XL 生成器不变）即降低无引导 gFID，联合正则化解码器与生成器在 DiT-Base 上进一步降低无引导 gFID。
Rice University University of Pennsylvania University of Notre Dame University of Aberdeen University of Maryland, College Park Brown University
Hongyang Du（第一作者）
层融合正则化表示自编码器扩散Transformer DINOv3 图像生成
Knowledge and Information Systems 2026年9月26日
BHyGNN+ 用超图对偶做自监督对比学习，在 11 个基准数据集上超过监督与自监督基线，且无需负样本
该工作提出 BHyGNN+，一个面向异质超图表示学习的自监督框架：它把超图与其对偶超图（节点与超边角色互换）的增强视图用余弦相似度进行对比，从而在不需要真实标签、也不需要负样本的情况下学习表示，并在 11 个基准数据集（含异质与同质超图及一个合成异质数据集）上取得优于监督与自监督基线的节点分类准确率。
该工作提出 BHyGNN+，一个面向异质超图表示学习的自监督框架：它把超图与其对偶超图（节点与超边角色互换）的增强视图用余弦相似度进行对比，从而在不需要真实标签、也不需要负样本的情况下学习表示，并在 11 个基准数据集（含异质与同质超图及一个合成异质数据集）上取得优于监督与自监督基线的节点分类准确率。
University of Notre Dame University of Connecticut Amazon (United States)
Tianyi Ma（第一作者、通讯作者）Chuxu Zhang（通讯作者）Zheyuan Zhang（通讯作者）Yanfang Ye（通讯作者）Zehong Wang（通讯作者）Yiyue Qian（通讯作者）
BHyGNN+超图对偶超图对比学习超图表示学习节点分类
Proceedings of the ACM on Human-Computer Interaction 2026年9月23日
算法重排推荐让团队选出更多不同种族与性别的合作者，并使被引导组建的团队创造力高于自由组队
研究者在“My Dream Team”推荐系统上开展2×2组间实验室实验，操纵用户自主权（分配 vs. 选择）与异质性标准（纳入 vs. 不纳入），332名参与者组成83个四人团队完成30分钟创意任务；结果显示，按异质性标准重排推荐显著提高了不同种族（β=0.69，p<0.01）和不同性别（β=0.68，p<0.01）合作者的选择，赋予自主权会强化同质性并降低表层差异，而“引导式选择”团队在创造力评分上显著高于自由组队团队（Δ=0.45，p_adj<0.05），且这种引导在用户未察觉的情况下发挥作用。
研究者在“My Dream Team”推荐系统上开展2×2组间实验室实验，操纵用户自主权（分配 vs. 选择）与异质性标准（纳入 vs. 不纳入），332名参与者组成83个四人团队完成30分钟创意任务；结果显示，按异质性标准重排推荐显著提高了不同种族（β=0.69，p<0.01）和不同性别（β=0.68，p<0.01）合作者的选择，赋予自主权会强化同质性并降低表层差异，而“引导式选择”团队在创造力评分上显著高于自由组队团队（Δ=0.45，p_adj<0.05），且这种引导在用户未察觉的情况下发挥作用。
Northwestern University University of Notre Dame
Diego Gómez-Zará（第一作者）
团队组建算法助推团队异质性 My Dream Team推荐系统用户自主性
bioRxiv 2026年9月22日
FiberPro 1.0：多智能体AI引导的功能性蛋白微纳米纤维高通量制备与共形沉积
该工作提出FiberPro 1.0——一个由大语言模型驱动的多智能体框架，将聚焦旋转喷射纺丝（FRJS）的高通量制造与实时实验反馈结合，在三种此前无FRJS加工先例的蛋白体系（大豆分离蛋白、角蛋白、牛血清白蛋白）中平均约两轮迭代即收敛到可纺配方，并据此设计出玉米醇溶蛋白-聚环氧乙烷-姜黄素（Zein-PC）活性涂层，可直接共形沉积于多种果蔬表面，兼具抗菌、抗氧化、pH响应显色与基于图像的货架期预测功能。
该工作提出FiberPro 1.0——一个由大语言模型驱动的多智能体框架，将聚焦旋转喷射纺丝（FRJS）的高通量制造与实时实验反馈结合，在三种此前无FRJS加工先例的蛋白体系（大豆分离蛋白、角蛋白、牛血清白蛋白）中平均约两轮迭代即收敛到可纺配方，并据此设计出玉米醇溶蛋白-聚环氧乙烷-姜黄素（Zein-PC）活性涂层，可直接共形沉积于多种果蔬表面，兼具抗菌、抗氧化、pH响应显色与基于图像的货架期预测功能。
University of Notre Dame Bethel College
Longwen Li（第一作者）Huibin Chang（通讯作者）

已读完全部报道