实体
Energy Based Models
Energy Based Models
PulseAugur coverage of Energy Based Models — every cluster mentioning Energy Based Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
ERAlign 框架在文本属性图上对齐 GNN 和 LLM 的表示
研究人员开发了 ERAlign，一个用于在文本属性图上对齐图神经网络 (GNN) 和大型语言模型 (LLM) 表示的新框架。该方法利用基于能量的模型 (EBM) 将 GNN 编码的图结构和 LLM 派生的文本嵌入投影到共享的潜在空间中，确保分布一致性。该框架引入了能量差异 (ED) 以提高训练效率并减少能量景观失真。在八个数据集上的实证结果表明，ERAlign 在各种监督和跨任务迁移场景中取得了最先进的性能。
-
能量模型训练动力学分析
研究人员分析了能量学习模型的训练动力学，这些模型以其非凸性和陷入局部最优的可能性而闻名。他们的工作引入了“有效模型”的概念来理解这一过程，揭示了学习严格正分布既可以产生准确的数据一致点，也可以产生虚假的、不匹配的固定点。该研究还展示了一个分层学习过程，其中低阶交互的优先级高于高阶交互，为这些模型中观察到的分布简单性偏差提供了机制性解释。
-
MEFA框架支持内存高效的全梯度攻击，用于鲁棒的防御评估
研究人员开发了一个名为MEFA（内存高效全梯度攻击）的新框架，以改进对机器学习模型对抗性防御的评估。该框架利用梯度检查点技术实现精确的端到端梯度计算，这对于准确评估迭代净化防御的鲁棒性至关重要。通过解决先前导致近似计算的内存限制，MEFA能够实现更强的白盒攻击和更可靠的防御机制基准测试。