Para peneliti memperkenalkan Mid-Harness, sebuah metode yang melakukan sampling dan verifikasi kandidat aksi pada batas model-harness untuk meningkatkan keandalan eksekusi pada agen terminal. Pendekatan ini mengalokasikan komputasi saat pengujian dengan memverifikasi beberapa opsi sebelum meneruskan satu untuk dieksekusi, menjaga generator dan harness tetap tidak berubah.
Artikel ini memperkenalkan Human2Any, sebuah metode transfer manusia ke robot yang memanfaatkan perencanaan komposisional sadar kendala. Tidak ada detail lebih lanjut atau teks tubuh yang disediakan dalam sumber.
Peneliti menyajikan ShareMMU, desain IOMMU yang memungkinkan beberapa akselerator tidak tepercaya untuk secara aman menggunakan kembali alamat yang telah diterjemahkan sebelumnya dalam ruang alamat virtual bersama. Pendekatan ini mengurangi risiko saluran samping yang terkait dengan Buffer Terjemahan Bersama (TLB) besar sambil mempertahankan kinerja tinggi.
Para peneliti memperkenalkan Distilasi Dekoding Paralel (PDD), metode berbasis lintasan yang disederhanakan untuk mempercepat inferensi pada model pencocokan aliran dan difusi. Berbeda dengan pendekatan saat ini yang mengandalkan distilasi skor variasional yang sulit dioptimalkan dan kerugian adversarial, PDD memprediksi beberapa langkah denoising per evaluasi jaringan.
Peneliti Nvidia N. Horrocks memperkenalkan model error detektor ekstensi (EDEMs) yang dirancang untuk menangani program kuantum toleran kesalahan dengan sirkuit stabilizer dan error Pauli stokastik. Model-model ini memungkinkan analisis error disusun secara berurutan dan paralel, mencerminkan struktur realisasi sirkuit fisik.
Peneliti mengusulkan Onyx, pendekatan hemat biaya untuk pencarian tetangga terdekat aproksimasi (ANN) disk-oblivious yang menyeimbangkan bandwidth dan jumlah akses dengan membalik desain sistem ORAM-ANN terkini.
Para peneliti memperkenalkan Privatar, sebuah kerangka kerja yang memindahkan rekonstruksi avatar dari headset ke perangkat lokal yang tidak dipercaya sambil melindungi terhadap penyadapan data. Sistem ini memanfaatkan pengetahuan spesifik domain tentang rekonstruksi avatar untuk mencapai offloading yang terbukti privat dengan biaya kinerja minimal.
Peneliti dari NVIDIA telah memperkenalkan GPIR, sebuah sistem yang mempercepat Private Information Retrieval (PIR) pada GPU dengan mengatasi komputasi sisi server dan lalu lintas memori tinggi yang melekat pada protokol berbasis kisi. Sistem ini menggunakan model eksekusi hibrida sadar tahap yang secara dinamis beralih antara kernel tingkat operasi dan tingkat tahap untuk memaksimalkan penggunaan kembali data di dalam chip.
Sebuah studi baru menyajikan karakterisasi terpadu tingkat sistem dari komputasi multipartai aman (MPC) dan enkripsi homomorfik sepenuhnya (FHE) untuk inferensi pembelajaran mesin yang melestarikan privasi. Pekerjaan ini mengevaluasi dua varian MPC — konversi pembagian aritmatika/biner dan pembagian rahasia fungsi — bersama dengan FHE di berbagai model CNN dan Transformer.
Sebuah makalah posisi oleh peneliti NVIDIA menguraikan visi untuk mengamankan agen AI dari serangan injeksi prompt tidak langsung, di mana instruksi berbahaya yang tertanam dalam data yang tidak tepercaya memicu tindakan berbahaya. Penulis berargumen bahwa pertahanan yang efektif memerlukan peralihan dari perbaikan model yang terisolasi ke arsitektur tingkat sistem yang komprehensif.
Para peneliti telah memformalkan serangan penolakan layanan saat inferensi (PI-DoS) yang memanfaatkan biaya komputasi tinggi dari penalaran eksplisit multi-langkah dalam Model Penalaran Besar (LRM). Mereka menyajikan ReasoningBomb, sebuah kerangka kerja berbasis pembelajaran penguatan yang melatih penyerang untuk menghasilkan prompt alami singkat yang mendorong model korban ke dalam jejak penalaran yang secara patologis panjang dan sering kali tidak berakhir.
Para peneliti memperkenalkan ReasAlign, solusi tingkat model yang dirancang untuk meningkatkan keselarasan keamanan dalam Model Bahasa Besar (LLM) terhadap serangan injeksi prompt tidak langsung. Pendekatan ini mengintegrasikan langkah-langkah penalaran terstruktur untuk menganalisis kueri pengguna dan mendeteksi instruksi yang bertentangan, memastikan kesinambungan tugas yang dimaksudkan oleh pengguna.