University of Texas at Austin（得克萨斯大学奥斯汀分校）

Spherical Leech Quantization for Visual Tokenization and Generation

球面Leech量化用于视觉标记化与生成

Yue Zhao, Hanwen Jiang, Zhenlin Xu, Chutong Yang, Ehsan Adeli, Philipp Krähenbühl

机构 * UT Austin（得克萨斯大学奥斯汀分校） ； Stanford University（斯坦福大学） ； Adobe Research（Adobe研究院） ； Mistral AI 纠错

AI总结 本文提出了一种基于Leech格的球面量化方法，通过提高对称性和均匀分布，实现了更高效的图像标记化与生成。

Comments Tech report; project page: https://zhaoyue-zephyrus.github.io/npq/

Mitigating Catastrophic Forgetting in Mathematical Reasoning Finetuning through Mixed Training

通过混合训练缓解数学推理微调中的灾难性遗忘

John Graham Reynolds

机构 * Department of Computer Science（计算机科学系） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出混合训练策略，通过交错数学和NLI任务来缓解微调中的灾难性遗忘，同时保持数学性能和NLI准确性。

Comments 11 pages, 2 figures. Code available at https://github.com/johngrahamreynolds/mathematical_catastrophe_mitigation. Models available at https://huggingface.co/collections/MarioBarbeque/catastrophic-forgetting-in-mathematical-reasoning

RAGRank: Using PageRank to Counter Poisoning in CTI LLM Pipelines

RAGRank: 使用PageRank对抗CTI LLM流水线中的污染

Austin Jia, Avaneesh Ramesh, Zain Shamsi, Daniel Zhang, Alex Liu

机构 * Applied Research Laboratories, The University of Texas at Austin, Texas, USA（应用研究实验室，德克萨斯大学奥斯汀分校，德克萨斯州，美国） 纠错

AI总结 RAGRank通过PageRank算法提升CTI LLM流水线的抗污染能力，通过降低恶意文档权威分数并增强可信内容传播。

Comments Presented as a poster at the Annual Computer Security Applications Conference (ACSAC) 2025