实体
Kushal Chakrabarti
Kushal Chakrabarti
PulseAugur coverage of Kushal Chakrabarti — every cluster mentioning Kushal Chakrabarti across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新的ERASE框架可在不改变权重的情况下实现AI模型的遗忘
研究人员推出了一种新颖的ERASE框架，旨在无需改变AI模型的权重即可实现私有数据的随时的遗忘。该方法在推理过程中利用对抗性信号编辑和类别条件输入扰动来抑制数据影响。ERASE旨在实现特定数据子类的功能性遗忘，同时保持模型的通用性能，为注重隐私的学习提供了一种可扩展且符合法规的方法。
-
新分布式优化方法利用能量守恒定律
一篇新研究论文介绍了一种利用膨胀坐标下能量守恒定律的新型分布式优化方法。所提出的方法在连续时间模型中实现了目标差距和一致性误差的 O(t^{-2}) 速率，克服了离散化限制。开发了一种双循环技术，以实现具有较低通信成本的 O(k^{-2}) 聚合目标速率，优于现有的分布式方法。
-
研究发现：大型人工智能模型会更快地累积错误
Kushal Chakrabarti 的一篇新研究论文强调了一个大型语言模型中令人担忧的趋势：随着模型规模的扩大，它们生成正确答案的能力下降速度比之前理解的要快。这种被称为“自回归风险机制”的现象发生在模型承诺低概率标记并将其错误滚雪球般地变成捏造时。研究表明，虽然模型的整体能力有所提高，但其可靠性却显著下降，检测方法通常无法识别这些自信但错误的输出。