NeurIPS

Unextractable Protocol Models: Collaborative Training and Inference without Weight Materialization

不可提取协议模型：无需权重物化的协作训练与推理

Alexander Long, Chamin Hewa Koneputugodage, Thalaiyasingam Ajanthan, Yan Zuo, Gil Avraham, Violetta Shevchenko, Hadi Mohaghegh Dolatabadi, Sameera Ramasinghe

机构 * Pluralis Research（Pluralis研究） 纠错

AI总结 提出不可提取协议模型（UPMs），通过分片模型和时变随机可逆变换，实现去中心化协作训练与推理，同时防止任何参与者获取完整权重集。

Comments Accepted at NeurIPS 2025. 34 pages, 6 figures (5 in main body, 1 in appendix). Alexander Long and Chamin Hewa Koneputugodage contributed equally

Journal ref Advances in Neural Information Processing Systems 38, pp. 18677-18713 (NeurIPS 2025)

CRONOS: Enhancing Deep Learning with Scalable GPU Accelerated Convex Neural Networks

CRONOS: 利用可扩展的GPU加速凸神经网络增强深度学习

Miria Feng, Zachary Frangella, Mert Pilanci

机构 * Stanford University（斯坦福大学） 纠错

AI总结 提出CRONOS算法用于两层神经网络的凸优化，并扩展为CRONOS-AM以训练任意架构的多层网络，在ImageNet等大规模数据集上实现与主流深度学习优化器相当或更优的验证精度。

Journal ref Advances in Neural Information Processing Systems 37 (NeurIPS 2024)