Chongqing University of Posts and Telecommunications

3 篇关联报道

订阅更新

researchsquare.com 2026年10月26日
检索历史片段不再比对原始数值：先滤掉高频噪声、画成折线图，长程预测误差随之下降
VRATF把检索增强预测的比对对象从原始时间序列换成去噪后的趋势折线图：先用FFT低通滤波提取低频趋势，渲染成224×224图像，再由冻结的CLIP ViT-B/32编码建库，按余弦相似度取Top-K并用高斯核加权聚合历史未来轨迹。检索预测与DLinear基预测经一个可学习标量在预测层融合。六个多变量基准上，VRATF在其中四个取得最低平均MSE，ETTh2平均MSE为0.340，较次优的RAFT（0.358）改善5.0%。
VRATF把检索增强预测的比对对象从原始时间序列换成去噪后的趋势折线图：先用FFT低通滤波提取低频趋势，渲染成224×224图像，再由冻结的CLIP ViT-B/32编码建库，按余弦相似度取Top-K并用高斯核加权聚合历史未来轨迹。检索预测与DLinear基预测经一个可学习标量在预测层融合。六个多变量基准上，VRATF在其中四个取得最低平均MSE，ETTh2平均MSE为0.340，较次优的RAFT（0.358）改善5.0%。
Shandong University Chongqing University of Posts and Telecommunications
Zhun Xie（第一作者）Zhihao Zhang（通讯作者）
VRATF框架检索增强预测视觉检索时间序列预测
arXiv 2026年9月29日
SkillDRE 用预执行扫描与运行时反馈的双阶段闭环进化恶意技能，在 SkillsBench 四个受害模型上平均攻击成功率 45.28%
SkillDRE 是一个全自动框架，给定良性任务及其关联技能后，自主构造并验证任务条件下的恶意目标与可验证判定规则，并在保持二者固定的前提下，通过扫描器引导的进化与运行时防御反馈引导的细化交替迭代，使完整恶意技能包在预执行扫描与运行时防御两个阶段之间形成闭环，在 SkillsBench 上对四个受害模型取得 45.28% 的平均攻击成功率，比最强基线高出 40.3%，且最终提交的技能未触发任何 SkillScan 发现并大体保留良性任务性能。
SkillDRE 是一个全自动框架，给定良性任务及其关联技能后，自主构造并验证任务条件下的恶意目标与可验证判定规则，并在保持二者固定的前提下，通过扫描器引导的进化与运行时防御反馈引导的细化交替迭代，使完整恶意技能包在预执行扫描与运行时防御两个阶段之间形成闭环，在 SkillsBench 上对四个受害模型取得 45.28% 的平均攻击成功率，比最强基线高出 40.3%，且最终提交的技能未触发任何 SkillScan 发现并大体保留良性任务性能。
Chongqing University of Posts and Telecommunications North China Electric Power University Beijing University of Posts and Telecommunications
Pengyu Zhu（第一作者）
SkillDRE 自适应红队测试智能体技能 SkillsBench
arXiv 2026年9月24日
SRMA-Mamba 在 CirrMRI600+ 上把肝硬化肝脏 MRI 分割的 mDSC 提到 92.95%（T1W）与 86.25%（T2W），并同时降低计算量
该工作提出基于 Mamba 的 SRMA-Mamba 网络，用 Spatial Anatomy-Based Mamba（SABMamba）在矢状、冠状、轴状三个解剖平面上做选择性扫描以构建全局空间上下文，并用 Spatial Reverse Mamba Attention（SRMA）结合粗分割图与分层编码特征逐步细化边界，在 CirrMRI600+ 的 T1W 与 T2W 数据上取得优于 SegResNet、UX-Net、MedNeXt、SwinUNETR、SwinUNETRv2 与 SegMamba 的分割指标，同时参数量与 GFLOPs 低于 SegMamba。
该工作提出基于 Mamba 的 SRMA-Mamba 网络，用 Spatial Anatomy-Based Mamba（SABMamba）在矢状、冠状、轴状三个解剖平面上做选择性扫描以构建全局空间上下文，并用 Spatial Reverse Mamba Attention（SRMA）结合粗分割图与分层编码特征逐步细化边界，在 CirrMRI600+ 的 T1W 与 T2W 数据上取得优于 SegResNet、UX-Net、MedNeXt、SwinUNETR、SwinUNETRv2 与 SegMamba 的分割指标，同时参数量与 GFLOPs 低于 SegMamba。
Northwestern University University of South Dakota Malaviya National Institute of Technology Jaipur Aalto University Chongqing University of Posts and Telecommunications
Jun Zeng（第一作者）Debesh Jha（通讯作者）
SRMA-Mamba空间反向Mamba注意力网络病理性肝脏分割空间解剖Mamba模块空间反向Mamba注意力模块解剖选择性扫描模块

已读完全部报道

检索历史片段不再比对原始数值：先滤掉高频噪声、画成折线图，长程预测误差随之下降

SkillDRE 用预执行扫描与运行时反馈的双阶段闭环进化恶意技能，在 SkillsBench 四个受害模型上平均攻击成功率 45.28%

SRMA-Mamba 在 CirrMRI600+ 上把肝硬化肝脏 MRI 分割的 mDSC 提到 92.95%（T1W）与 86.25%（T2W），并同时降低计算量