Rochester Institute of Technology

工具智能体的鲁棒性测试改用可执行任务契约，在智能体运行前判定改动后的用例是否仍是同一任务；对同一批 14,336 条已存轨迹重新打分后，Mistral 在 MiniLM 余弦阈值下被记为受攻击的任务从 64 个降到 26 个。

工具智能体的鲁棒性测试改用可执行任务契约，在智能体运行前判定改动后的用例是否仍是同一任务；对同一批 14,336 条已存轨迹重新打分后，Mistral 在 MiniLM 余弦阈值下被记为受攻击的任务从 64 个降到 26 个。

该工作把进化式量子电路发现框架 EXAQC 扩展到图像分类，将参数化量子电路作为中间处理模块、保留经典特征提取与预测层，在 MNIST、Fashion-MNIST、CIFAR-10 上分别达到 98.42%、90.62%、85.47% 准确率，门数与其他量子架构搜索方法相当，并以超过 25 倍更少的可训练参数在 CIFAR-10 上达到 85.68%，同时发现旋转型编码（RX、RY、U3）在 CIFAR-10 上比振幅编码高出 22-25 个百分点。

该工作把进化式量子电路发现框架 EXAQC 扩展到图像分类，将参数化量子电路作为中间处理模块、保留经典特征提取与预测层，在 MNIST、Fashion-MNIST、CIFAR-10 上分别达到 98.42%、90.62%、85.47% 准确率，门数与其他量子架构搜索方法相当，并以超过 25 倍更少的可训练参数在 CIFAR-10 上达到 85.68%，同时发现旋转型编码（RX、RY、U3）在 CIFAR-10 上比振幅编码高出 22-25 个百分点。

该工作提出 RapidUn，一个影响力引导的框架，把跨样本影响力估计转换为固定的样本级权重用于加权 LoRA 遗忘，在 Llama-3-8B 的 Dolly-15k 与 Alpaca-57k 上、并在 Mistral-7B + Dolly-15k 上做跨模型验证，取得比 Fisher、GA、LoReUn 更低的已见触发与 OOD 触发族 ASR，同时保持有竞争力的干净效用，在 Llama-3-8B + Alpaca-57k 上相对干净语料 LoRA 重训参考实现 77 倍墙钟加速，并以 TOFU、语义 LLM 评判与 IFEval 评估作为补充支持。

该工作提出 RapidUn，一个影响力引导的框架，把跨样本影响力估计转换为固定的样本级权重用于加权 LoRA 遗忘，在 Llama-3-8B 的 Dolly-15k 与 Alpaca-57k 上、并在 Mistral-7B + Dolly-15k 上做跨模型验证，取得比 Fisher、GA、LoReUn 更低的已见触发与 OOD 触发族 ASR，同时保持有竞争力的干净效用，在 Llama-3-8B + Alpaca-57k 上相对干净语料 LoRA 重训参考实现 77 倍墙钟加速，并以 TOFU、语义 LLM 评判与 IFEval 评估作为补充支持。