University of California, San Diego（加州大学圣迭戈分校）

SteganoBackdoor: Stealthy and Data-Efficient Backdoor Attacks on Language Models

SteganoBackdoor: 语言模型上的隐蔽且数据高效的后门攻击

Eric Xue, Ruiyi Zhang, Pengtao Xie

机构 * UC San Diego（圣迭戈大学） 纠错

AI总结 SteganoBackdoor通过隐写学方法在流畅句子中隐蔽地植入后门，实现对语言模型的高效隐蔽攻击。

Hybrid and Unitary PEFT for Resource-Efficient Large Language Models

混合与单位元PEFT用于资源高效的大型语言模型

Haomin Qi, Zihan Dai, Chengbo Huang

机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（信息工程系，香港中文大学） ； Department of Electrical and Computer Engineering, University of California San Diego, USA（电气与计算机工程系，加州大学圣地亚哥分校） ； Department of Computer Science, University of Copenhagen, Denmark（计算机科学系，哥本哈根大学） ； Department of Electrical Engineering, Columbia University, USA（电气工程系，哥伦比亚大学） 纠错

AI总结 本文提出混合与单位元PEFT方法，通过结合BOFT和LoRA-GA的优势，提升LLM微调效率，减少训练时间和内存使用，适用于资源受限场景。

Comments 11 pages, 2 figures and 7 table

Journal ref American Journal of Computer Science and Technology (Volume 8, Issue 4, 2025)

Coupled Distributional Random Expert Distillation for World Model Online Imitation Learning

世界模型在线模仿学习中的耦合分布随机专家蒸馏

Shangzhe Li, Zhiao Huang, Hao Su

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Hillbot（Hillbot公司） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本研究提出一种基于随机网络蒸馏的耦合分布随机专家蒸馏方法，用于提升世界模型在线模仿学习的稳定性与性能。

Comments NeurIPS 2025 Workshop of Embodied World Models; Code Available at: https://github.com/TobyLeelsz/CDRED-WM

HCVP: Leveraging Hierarchical Contrastive Visual Prompt for Domain Generalization

HCVP：利用层次对比视觉提示进行领域泛化

Guanglin Zhou, Zhongyi Han, Shiming Chen, Biwei Huang, Liming Zhu, Tongliang Liu, Lina Yao, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； University of New South Wales（新南威尔士大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； CSIRO’s Data61（CSIRO数据61） ； University of Sydney（悉尼大学） ； Macquarie University（麦考瑞大学） 纠错

AI总结 HCVP通过层次对比视觉提示方法提升领域泛化能力，有效分离不变特征与特定特征，优于现有算法。

Mem-Rec: Memory Efficient Recommendation System using Alternative Representation

Mem-Rec: 基于替代表示的记忆高效推荐系统

Gopi Krishna Jha, Anthony Thomas, Nilesh Jain, Sameh Gobriel, Tajana Rosing, Ravi Iyer

机构 * Intel Labs（英特尔实验室） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 Mem-Rec通过替代表示方法减少推荐系统内存占用并提升嵌入效率。

Journal ref Proceedings of the 15th Asian Conference on Machine Learning (2023), PMLR 222:518-533