Nanyang Technological University（南洋理工大学）

FROC: A Unified Framework with Risk-Optimized Control for Machine Unlearning in LLMs

FROC：一种用于大语言模型机器去学习的统一框架，具有风险优化控制

Si Qi Goh, Yongsen Zheng, Ziyao Liu, Sami Hormi, Kwok-Yan Lam

机构 * Digital Trust Centre, Nanyang Technological University, Singapore（南洋理工大学数字信任中心） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） 纠错

AI总结 FROC提出了一种用于大语言模型机器去学习的统一框架，通过风险优化控制机制，实现对去学习过程的风险管理和效用平衡。

Phythesis: Physics-Guided Evolutionary Scene Synthesis for Energy-Efficient Data Center Design via LLMs

Phythesis: 通过LLMs实现物理引导的进化场景合成，用于高效能数据中心设计

Minghao LI, Ruihang Wang, Rui Tan, Yonggang Wen

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 Phythesis通过结合LLMs和物理引导的进化优化，实现高效能数据中心设计的自动化场景合成，提升生成成功率和能效。

A Lightweight Transfer Learning-Based State-of-Health Monitoring with Application to Lithium-ion Batteries in Autonomous Air Vehicles

一种轻量级的基于迁移学习的状态-健康监测方法及其在自主航空器锂离子电池中的应用

Jiang Liu, Yan Qin, Wei Dai, Chau Yuen

机构 * School of Automation, Chongqing University（重庆大学自动化学院） ； School of Information and Control Engineering, China University of Mining and Technology（中国矿业大学信息与控制工程学院） ； School of Electrical and Electronics Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

AI总结 本文提出了一种轻量级基于迁移学习的SOH监测方法，通过构造性增量迁移学习提升电池健康状态监测的准确性与效率。

Comments in IEEE Transactions on Industrial Informatics,2025

Limits To (Machine) Learning

机器学习（ML）的局限性

Zhimin Chen, Bryan Kelly, Semyon Malamud

机构 * Nanyang Technological University（南洋理工大学） ； AQR Capital Management（AQR资本管理公司） ； Yale School of Management（耶鲁管理学院） ； NBER（美国国家经济研究局） ； Swiss Finance Institute（瑞士金融研究所） ； EPFL（瑞士联邦理工学院） ； CEPR（欧洲央行研究中心） ； Singapore MOE AcRF Tier 1 Grant（新加坡教育部高级研究基金一级项目） 纠错

AI总结 本文研究了机器学习方法在有限样本下的局限性，提出学习局限间隙（LLG）作为衡量模型预测性能与总体基准差异的下界，并通过金融数据验证了其在预测可预测性方面的显著影响。

DATABench: Evaluating Dataset Auditing in Deep Learning from an Adversarial Perspective

DATABench: 从对抗角度评估深度学习中的数据集审计

Shuo Shao, Yiming Li, Mengren Zheng, Zhiyang Hu, Yukun Chen, Boheng Li, Yu He, Junfeng Guo, Dacheng Tao, Zhan Qin

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； Nanyang Technological University（南洋理工大学） ； Chongqing University（重庆大学） ； University of Maryland at College Park（马里兰大学学院公园分校） 纠错

AI总结 DATABench从对抗角度评估深度学习中的数据集审计，提出新的分类法和攻击策略，揭示现有审计方法在对抗环境下的不足。

Adversarial Attacks Against Deep Learning-Based Radio Frequency Fingerprint Identification

针对基于深度学习的无线电频率指纹识别的对抗攻击

Jie Ma, Junqing Zhang, Guanxiong Shen, Alan Marshall, Chip-Hong Chang

机构 * School of Computer Science and Informatics, University of Liverpool（计算机科学与信息学系，利物浦大学） ； School of Cyber Science and Engineering, Southeast University（网络安全与工程系，东南大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程系，南洋理工大学） 纠错

AI总结 本文提出针对基于深度学习的RFFI系统的三种对抗攻击方法，通过实验验证UAP在无先验知识下的高成功攻击率