ICML

Evaluating the Impact of Compression Techniques on the Robustness of CNNs under Natural Corruptions

评估压缩技术对CNN在自然损坏下的鲁棒性影响

Itallo Patrick Castro Alves Da Silva, Emanuel Adler Medeiros Pereira, Erick de Andrade Barboza, Baldoino Fonseca dos Santos Neto, Marcio de Medeiros Ribeiro

机构 * Computing Institute（计算研究所） ； Federal University of Alagoas（亚拉加斯联邦大学） ； Center of Technology（技术中心） ； Federal University of Rio Grande do Norte（里奥格兰德北联邦大学） 纠错

AI总结 本文研究了压缩技术对CNN在自然损坏下的鲁棒性影响，通过量化、剪枝和权重聚类等方法，分析了鲁棒性、准确率和压缩率的权衡，发现某些压缩策略可提升鲁棒性。

Comments Accepted for publication at the 2025 International Conference on Machine Learning and Applications (ICMLA). IEEE Catalog Number: CFP25592-ART

ExPLoRA: Parameter-Efficient Extended Pre-Training to Adapt Vision Transformers under Domain Shifts

ExPLoRA: 低参数高效扩展预训练以适应视觉变换器下的领域偏移

Samar Khanna, Medhanie Irgau, David B. Lobell, Stefano Ermon

机构 * stanford（斯坦福大学） 纠错

AI总结 ExPLoRA通过扩展预训练阶段并结合LoRA技术，在领域偏移下提升视觉变换器的迁移学习性能。

Comments Published at ICML 2025

Dolphin: A Programmable Framework for Scalable Neurosymbolic Learning

Dolphin：一种可编程的可扩展神经符号学习框架

Aaditya Naik, Jason Liu, Claire Wang, Amish Sethi, Saikat Dutta, Mayur Naik, Eric Wong

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学） 纠错

AI总结 DOLPHIN是一种可编程框架，通过在CPU和GPU上分别执行符号推理和概率计算，实现神经符号学习的高效扩展，优于现有方法在复杂基准上的性能。

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:45461-45483, 2025