University of Maryland, College Park（马里兰大学帕克分校）

More Haste, Less Speed: Weaker Single-Layer Watermark Improves Distortion-Free Watermark Ensembles

更快，更慢：更弱的单层水印提升无失真水印集合

Ruibo Chen, Yihan Wu, Xuehao Cui, Jingqi Zhang, Heng Huang

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

AI总结 本研究提出利用弱单层水印提升多层水印集合的鲁棒性，通过保留熵以减少信号衰减，从而增强水印检测效果。

Accelerating nuclear-norm regularized low-rank matrix optimization through Burer-Monteiro decomposition

通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化

Ching-pei Lee, Ling Liang, Tianyun Tang, Kim-Chuan Toh

机构 * Institute of Statistical Mathematics（统计数学研究所） ； Department of Mathematics University of Maryland at College Park（大学数学系） ； Institute of Operations Research and Analytics National University of Singapore（运营研究与分析国家大学研究所） ； Department of Mathematics and Institute of Operations Research and Analytics National University of Singapore（大学数学系和运营研究与分析国家大学研究所） 纠错

AI总结 BM-Global通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化，实现快速收敛和高效参数调优。

Comments Removed a wrong claim in Theorem 5

Journal ref Journal of Machine Learning Research 2024

Provably Efficient Algorithms for S- and Non-Rectangular Robust MDPs with General Parameterization

具有通用参数化的S-和非矩形鲁棒MDP的可证明高效算法

Anirudh Satheesh, Ziyi Chen, Furong Huang, Heng Huang

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

AI总结 本文提出了一种针对鲁棒MDPs的高效算法，通过转换问题形式并引入多级蒙特卡洛梯度估计器，实现了在s-矩形和非矩形不确定性下的样本复杂性保证，显著提升了折扣和平均奖励设置下的性能。

Comments 30 pages