实体
Miaobo Hu
Miaobo Hu
PulseAugur coverage of Miaobo Hu — every cluster mentioning Miaobo Hu 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
-
新的Audit-First VAPO方法增强了AI模型更新的安全性
研究人员开发了一种名为Audit-First VAPO的新方法，用于选择性模型更新，旨在降低不完美验证系统带来的风险。该方法将更新模型的决定与更新幅度分开，并使用二次验证预算来确保安全。该方法已在GSM8K基准测试的Qwen3.5-0.8B模型上进行了评估，与现有技术相比，其准确性和风险控制能力均有所提高。
-
新框架为不完美信息博弈中的残余策略认证风险效用
研究人员开发了RSD-Poker，一个旨在认证不完美信息博弈中残余策略的风险和效用的新颖框架。该方法能够适应结构性变化，并且即使在部署过程中信息状态的分布发生变化时也能保持鲁棒性。RSD-Poker冻结一组残余策略及其尺度，学习信息状态的划分，然后进行校准以提供风险的上限和效用的下限。该框架确保所选策略映射以高概率满足其声明的风险预算和效用证书，支持教师指导和仅观察学习场景。
-
新的OSCC框架增强了不完美信息学习中的梯度噪声控制
研究人员开发了一个名为OSCC（观测安全反事实耦合）的新框架，以改善不完美信息学习环境中的梯度噪声控制。该框架通过确保安全和优化策略梯度几何来解决标准通用随机数构造的问题。OSCC的CP-GRPO实例证明了回返对比度方差的显著降低，在比较中实现了55.87%的降幅。