Reta
PulseAugur coverage of Reta — every cluster mentioning Reta across labs, papers, and developer communities, ranked by signal.
-
新的ReTA框架动态地使用外部知识增强电子健康记录图谱
研究人员开发了ReTA，一个新颖的框架，它使用强化学习来动态地使用外部知识图谱增强电子健康记录（EHR）图谱。这种方法允许在每次就诊时进行上下文感知的知识导入，提供三种选项：软导入以丰富节点特征，硬导入以修改图谱拓扑，或者在模型自信时跳过增强。在MIMIC-III和MIMIC-IV数据集上的实验表明，ReTA在诊断、死亡率和再入院等预测任务中始终优于现有方法，并且在不同数据集和知识图谱之间也表现出可迁移性。
-
AI进展解决视频生成一致性和速度问题
近期在AI驱动的视频生成领域的研究侧重于提高一致性和效率。ContextAnyone通过将参考图像视为共享扩散Transformer中的显式锚点来解决角色一致性问题，防止嘈杂的视频特征影响身份保持。FlashRender通过表示对齐和均值流目标来加速生成式视频渲染，以显著降低的采样成本实现高质量合成。Temporal Context Routing (TCR) 通过精确对齐脚本时间与时间轴来增强脚本驱动的音频-视频生成，大幅减少镜头切…
-
新的RETA防御机制可对抗LLM代理的自适应提示注入攻击
研究人员开发了RETA，一种针对大型语言模型（LLM）代理的自适应提示注入攻击的新型防御机制。与以往专注于识别特定攻击模式的方法不同，RETA通过链式思考推理来验证嵌入式指令与用户任务的相关性。该方法通过多目标强化学习进行优化，并使用合成的对抗性数据进行训练，在保持效用的同时显著降低了攻击成功率。
-
新的RETA防御机制可对抗LLM中的自适应提示注入攻击
研究人员开发了一种名为RETA的新型防御机制，用于对抗针对大型语言模型（LLM）代理的自适应提示注入攻击。这些攻击利用第三方数据嵌入恶意指令，当攻击者调整策略时，现有防御措施难以应对。RETA通过使用链式思维推理来验证指令与用户任务的相关性，而不是依赖静态模式识别来解决这一问题。该系统通过红队演练合成对抗性训练数据，并使用多目标强化学习优化防御，在多次自适应攻击中将平均攻击成功率降至10%以下。