EPFL（洛桑联邦理工学院） - arXivDaily 高校专区

2602.15014 2026-02-17 cs.LG cs.CL

Scaling Beyond Masked Diffusion Language Models

超越掩码扩散语言模型的扩展

Subham Sekhar Sahoo, Jean-Marie Lemercier, Zhihan Yang, Justin Deschenaux, Jingyu Liu, John Thickstun, Ante Jukic

机构 * Department of Computer Science, Cornell Tech, NYC, USA（康奈尔科技学院计算机科学系）； Department of Computer Science, Cornell University, Ithaca, USA（康奈尔大学计算机科学系）； School of Computer and Communication Sciences, EPFL Lausanne, Switzerland（洛桑联邦理工学院计算机与通信科学学院）； Department of Computer Science, University of Chicago, Illinois（芝加哥大学计算机科学系）； NVIDIA, Santa Clara, USA（英伟达）

AI总结本文研究了统一状态和插值离散扩散方法的扩展定律，发现掩码扩散在FLOPs效率上可提升12%，并展示了统一状态扩散在GSM8K任务中的优越表现

Comments code: https://github.com/s-sahoo/scaling-dllms

2602.13619 2026-02-17 stat.ML cs.IT cs.LG math.IT stat.ME

Locally Private Parametric Methods for Change-Point Detection

局部差分隐私下的参数变化点检测方法

Anuj Kumar Yadav, Cemre Cadir, Yanina Shkel, Michael Gastpar

机构 * School of Computer and Communication Sciences, École Polytechnique Fédérale de Lausanne (EPFL), Vaud, Switzerland（计算机与通信科学学院，瑞士洛桑联邦理工学院（EPFL），瓦乌州）

AI总结本文提出基于局部差分隐私的参数变化点检测方法，通过随机响应和二进制机制提升隐私保护下的检测精度，并揭示隐私对性能的影响。

Comments 43 pages, 20 figures

2510.07976 2026-02-17 cs.CV

The impact of abstract and object tags on image privacy classification

抽象标签和对象标签对图像隐私分类的影响

Darya Baranouskaya, Andrea Cavallaro

机构 * Idiap Research Institute（Idiap研究机构）； EPFL（苏黎世联邦理工学院）

AI总结本文研究了抽象标签和对象标签在图像隐私分类中的效果差异，发现有限标签预算下抽象标签更有效，而标签数量充足时对象标签同样有用。

Comments This work has been accepted to the ICASSP 2026