Yuqiao Meng
PulseAugur coverage of Yuqiao Meng — every cluster mentioning Yuqiao Meng across labs, papers, and developer communities, ranked by signal.
-
新的CyberTeam基准测试评估LLM在网络安全威胁搜寻中的有效性
一个名为CyberTeam的新基准测试已被开发出来，用于评估大型语言模型（LLM）在网络安全威胁搜寻中的有效性。该基准测试将威胁搜寻过程标准化为一系列结构化的分析任务和操作模块，引导LLM完成离散的推理步骤。使用CyberTeam进行的评估表明，与开放式推理策略相比，标准化工作流程有所改进，同时也指出了LLM在实际威胁检测和缓解方面的现有局限性。
-
小型代理组方法在数字健康领域优于大型模型
一篇新研究论文提出了一种用于数字健康的“小型代理组”（SAG）方法，挑战了普遍存在的“优先扩展”理念，即更大的模型等同于更好的临床智能。SAG将推理和证据分析分配给一组较小的代理，促进协作审议。评估表明，SAG在有效性、可靠性和部署成本方面优于单一的大型模型，表明AI在临床环境中存在更高效、更平衡的路径。
-
基于模式的LLM提取患者数据用于数字孪生
研究人员开发了SG-LLM，一种从电子健康记录中提取患者数据以创建数字孪生的新方法。该方法使用模式约束和用于修复的验证循环来约束LLM提取，提高了生成的FHIR包的准确性和有效性。对临床效用的实验表明，在SG-LLM生成的数据上训练的分类器与在专家策划的数据上训练的分类器表现相当，表明其在实际医疗保健应用中的有效性。
-
新框架使用因果LLM模拟电信网络故障
研究人员开发了一个名为“对抗性网络想象”的新框架，以主动识别和模拟电信网络中潜在的故障。该系统利用因果大型语言模型（LLM）生成真实的故障场景，然后在网络的数字孪生中进行测试。目标是通过在实际中断发生之前评估缓解策略，将网络管理从被动方法转变为专注于预期韧性的方法。
-
新论文详细介绍了LLM在网络威胁情报中的漏洞
一篇新的研究论文探讨了大型语言模型（LLM）应用于网络威胁情报（CTI）时的漏洞。该研究在CTI工作流程中识别出LLM的三个特定认知缺陷：元数据产生的虚假关联、冲突来源产生的矛盾知识以及对新威胁的泛化能力有限。研究人员开发了一个“人在回路”框架来标记这些缺陷，并证明有针对性的防御措施可以显著降低错误率，为构建更具韧性的CTI代理提供了途径。