Sabre
PulseAugur coverage of Sabre — every cluster mentioning Sabre across labs, papers, and developer communities, ranked by signal.
-
新的 SaBRe 框架增强了 AI 安全的神经网络验证
研究人员开发了一个名为 SaBRe 的新框架，该框架使用分支定界方法来验证神经网络是否符合关系规范。这种方法对于确保网络物理系统中 AI 组件的安全性至关重要。SaBRe 通过分割关系神经元并采用新颖的选择策略来有效改进问题验证，从而优于现有技术。在 ACAS Xu 和 MNIST 等数据集上的评估表明，与基线方法相比，SaBRe 在解决实例和验证效率方面表现更优。
-
新的SABRE框架自动化视觉语言模型的压力测试
研究人员开发了SABRE，一个新设计的自动化流程，用于为视觉语言模型（VLMs）创建压力测试。该框架将任务设计转换为结构化规范、图像和问答对，并进行自动化过滤以移除可解的候选。一项应用SABRE-Prior被用来测试六个VLMs对世界知识而非视觉证据的依赖性，显示平均准确率在17.8%到31.3%之间。SABRE旨在成为一个可重用的工具，用于构建和更新VLM压力测试。
-
新的多智能体系统提高了视觉语言模型在分布外检测方面的性能
研究人员推出了一种新颖的多智能体系统 SABRE（Selective Agentic Budgeted Reliability Ensemble），旨在提高视觉语言模型在分布外（OOD）检测方面的性能。与依赖基于基准测试选择的单一固定检测器的传统方法不同，SABRE 在推理时动态选择最可靠的检测器。这是通过三个语言模型智能体实现的，它们协同工作，在有限的查询预算内选择、整合证据并校准检测器，从而适应不同的数据领域。
-
Microsoft 利用 AI 增强型漏洞搜寻修复创纪录的 622 个漏洞
Microsoft 最新的补丁星期二发布解决了创纪录的 622 个安全漏洞，这表明其人工智能增强型漏洞搜寻工作取得了成功。此次更新旨在通过修补大量缺陷来提高整体系统安全性。另外，还注意到有关游戏行业被认为缺乏冒险精神以及个人安全警报有效性的讨论。
-
新的Agentic SABRE框架增强了自适应勒索软件检测能力
研究人员开发了Agentic SABRE，一个新颖的神经符号多智能体框架，用于自适应勒索软件检测。该系统整合了语义和行为证据，使用蒙特卡洛Dropout量化其智能体决策中的不确定性。Agentic SABRE采用一个决策层协调器来管理风险和不确定性，自动处理高置信度的威胁，并将不确定的案例升级以供人工审查。该框架还包括事后可解释性机制，以确保可审计性和信任。
-
图强化学习路由器利用校准数据提升量子电路保真度
研究人员开发了一种新的量子电路路由方法，该方法使用图强化学习并整合了量子处理器中的校准数据。该方法使用近端策略优化进行训练，并在 Munich Quantum Toolkit Bench 电路集上进行评估，实现了 0.727 的平均精确保真度。通过基于实时硬件校准优化路由，该方法显著优于 SABRE-best20 (0.440) 和 target-aware SABRE (0.481) 等标准方法，尤其是在较小的量子比特族中。研究表明…
-
感知校准的强化学习增强量子电路路由
研究人员开发了一种新颖的量子电路路由方法，该方法结合了校准数据以提高保真度。这种图强化学习方法利用IBM Heron处理器上的当日校准信息来选择硬件边缘的SWAP门，在精确模拟保真度方面优于SABRE-best20和target-aware SABRE等标准路由方法。虽然学习到的路由增加了双量子比特门的路由数量，但它在保真度方面显示出显著的改进，尤其是在较小的电路系列中，这表明量子处理器具有更鲁棒的编译策略。