PulseAugur
实时 07:39:10
实体 Reta

Reta

PulseAugur coverage of Reta — every cluster mentioning Reta across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_233358 ·

    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。

  2. TOOL · CL_93282 ·

    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。

  3. TOOL · CL_104021 ·

    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。