University of California, Berkeley（加州大学伯克利分校）

Mitrasamgraha: A Comprehensive Classical Sanskrit Machine Translation Dataset

Mitrasamgraha：一个全面的古典梵语机器翻译数据集

Sebastian Nehrdich, David Allport, Sven Sellmer, Jivnesh Sandhan, Manoj Balaji Jagadeeshan, Pawan Goyal, Sujeet Kumar, Kurt Keutzer

机构 * Center for Integrated Japanese Studies, Tohoku University（东大理工一体化研究机构，东北大学） ； University of California, Berkeley（加州大学伯克利分校） ； Adam Mickiewicz University in Poznań（波兹南亚当·密茨凯维奇大学） ； Kyoto University（京都大学） ； Indian Institute of Technology, Kharagpur（印度理工学院，克拉格普尔分校） ； B. P. Mandal College of Engineering Madhepura（马德赫帕尔工程学院） 纠错

AI总结 Mitrasamgraha 是一个涵盖梵语到英语机器翻译的高质量数据集，包含大量双语文本对，用于研究不同领域和时间对翻译性能的影响。

Defenses Against Prompt Attacks Learn Surface Heuristics

对抗提示攻击的防御学习表面启发式

Shawn Li, Chenxiao Yu, Zhiyu Ni, Hao Li, Charith Peris, Chaowei Xiao, Yue Zhao

机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Amazon（亚马逊公司） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文研究了对抗提示攻击防御中表面启发式的问题，发现现有方法易受表面模式影响，提出受控数据集和系统评估以揭示监督微调的局限性。

AI Agent Smart Contract Exploit Generation

AI代理智能合约漏洞生成

Arthur Gervais, Liyi Zhou

机构 * University College London（伦敦大学学院） ； The University of Sydney（悉尼大学） ； Decentralized Intelligence AG（去中心化智能有限公司） ； UC Berkeley RDI（伯克利大学RDI） 纠错

AI总结 A1通过代理系统结合大语言模型，实现智能合约漏洞的高效生成与验证，成功率达63%，并揭示了攻击与防御在经济上的不对称性。

MITRA: A Large-Scale Parallel Corpus and Multilingual Pretrained Language Model for Machine Translation and Semantic Retrieval for Pāli, Sanskrit, Buddhist Chinese, and Tibetan

MITRA：一种大规模并行语料库和多语言预训练语言模型，用于机器翻译和语义检索（巴利语、梵语、佛教汉语和藏语）

Sebastian Nehrdich, Kurt Keutzer

机构 * Center for Integrated Japanese Studies, Tohoku University（东京东京大学综合日语研究机构） ； University of California, Berkeley（加州大学伯克利分校） ； Berkeley Artificial Intelligence Research (BAIR)（伯克利人工智能研究（BAIR）） 纠错

AI总结 MITRA框架通过大规模并行语料库和预训练模型，实现了对梵语、巴利语、佛教汉语和藏语的机器翻译和语义检索，达到英语翻译的最先进性能。

Filtering Beats Fine Tuning: A Bayesian Kalman View of In Context Learning in LLMs

过滤胜过微调：一种贝叶斯卡尔曼视角下的大语言模型上下文学习

Andrew Kiruluta

机构 * UC Berkeley School of Information（伯克利大学信息学院） 纠错

AI总结 本文提出了一种基于贝叶斯卡尔曼滤波的理论框架，将大语言模型的上下文学习解释为在线状态估计，揭示了推理时学习的协方差塌陷机制，并提供了稳定性及样本效率的理论保证。

The Interpolating Information Criterion for Overparameterized Models

插值信息准则用于过参数化模型

Liam Hodgkinson, Chris van der Heide, Robert Salomone, Fred Roosta, Michael W. Mahoney

机构 * School of Mathematics and Statistics, University of Melbourne（墨尔本大学数学与统计学学院） ； Department of Electrical and Electronic Engineering, University of Melbourne（墨尔本大学电子与电气工程系） ； CIRES and School of Mathematics and Physics, University of Queensland（昆士兰大学海洋研究所和数学与物理学院） ； ICSI, LBNL, and Department of Statistics, University of California, Berkeley（伯克利大学统计学系、伯克利国家安全研究所和劳伦斯伯克利国家实验室） 纠错

AI总结 本文提出插值信息准则，用于过参数化模型的选择，通过建立贝叶斯对偶性，结合先验信息和模型性质，提升模型选择的准确性。

Comments 23 pages, 2 figures