Huazhong University of Science and Technology（华中科技大学）

SAFE: Secure and Accurate Federated Learning for Privacy-Preserving Brain-Computer Interfaces

SAFE: 用于隐私保护脑机接口的安全且准确的联邦学习

Tianwang Jia, Xiaoqing Chen, Dongrui Wu

机构 * Key Laboratory of the Ministry of Education for Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 SAFE通过联邦学习在保护隐私的同时提升脑机接口的解码准确性和对抗鲁棒性，无需使用目标受试者的校准数据。

Comments 12 pages, 9 figures

Video Generation Models Are Good Latent Reward Models

视频生成模型是良好的潜在奖励模型

Xiaoyue Mi, Wenqing Yu, Jiesong Lian, Shibo Jie, Ruizhe Zhong, Zijun Liu, Guozhen Zhang, Zixiang Zhou, Zhiyong Xu, Yuan Zhou, Qinglin Lu, Fan Tang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯文元） ； Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出PRFL框架，利用预训练视频生成模型在噪声潜在空间中进行奖励建模，实现高效去噪和降低训练成本。