- 通过符合风险控制调整模型属性
通过属性测试和合规风险控制,本文提出了一种用于 AI 模型对齐的方法,将预训练模型转化为满足特定期望行为的函数,并通过概率保证来保证对齐性。
- 评估生成式大型语言模型的 Oracle-Checker 方案
本文提出了一种名为 “Oracle-Checker 方案” 的新方法,用于评估生成式大型语言模型(LLM)给出的答案。介绍了两种类型的检查器,一种是基于属性测试思想,另一种是基于程序检查思想。分别展示了它们在实体抽取和近义词判断两个不同背景 - 哈密顿性质测试
我们提出了一种基于随机化测量的非相干哈密顿局域性测试算法,用于测试泛型哈密顿局域性等一系列哈密顿性质。此外,我们证明了具有平均情形距离的泛型哈密顿学习仍然是指数复杂的,从而在哈密顿测试和学习之间建立了指数级的差距。
- VC 维与无分布样本检验
研究 PAC 学习模型下,哪些函数类别可以被测试得比学习更高效的问题,发现 VC 维度本身并不能始终提供紧密的边界,但可以与其类似的 LVC 维度相结合,获得强大的下限,进而在测试区间并集、半空间、多项式阈值函数、决策树等方面获得了强大且几 - 图谱的近似谱
本文研究了网络或图谱的光谱问题。在图太大无法明确计算光谱的情况下,提出了一种次线性时间算法,可以计算光谱的简洁表示,并证明了其实用性。同时探讨了该算法在有界度图模型下的属性测试的实际应用。
- 排除子图的分布式测试
在基于 CONGEST 模型的分布式计算中,我们研究了属性测试。我们证明,对于每个联通的 4 节点图 H,测试一个图是否是 H-free 也可以在恒定数量的回合中完成。同时,我们探讨了两种用于测试 H-freeness 的通用算法类型,并证 - 测试图的聚类结构
在有界度模型的性质测试框架中研究了识别图的集群结构问题,提出了一个亚线性算法,可识别由参数 k, phi, epsilon 制定的 (d) 有界度图,并且是渐近最优的,关键是集群内外的 conductance。
- 量子属性测试综述
该论文综述了量子性质检测的最新进展,讨论了量子计算在经典对象、量子对象和量子信息理论等领域中的应用与边界,并提出了一些未解决问题。
- 主动属性测试
本研究将基于活动学习的模型应用于属性测试领域,研究证明了测试新方法的可行性,包括线性分隔器和半监督学习,还提出了一种低限的尺寸概念以及测试新模型具有丰富多样的结构,并且将从一系列领域中的工具合部署进行了开发
- 通过测试学习 $k$- 模态分布
本文针对 $k$- 模态分布,提出了一种密度估计的学习算法,利用性质测试算法实现分布分解,从而实现对不同峰值与谷值情况的分布的有效估计。