标签
本文引入了一个能量景观框架,以分析越狱攻击为何在基于扩散的语言模型中成功,并推导出三种互补的、无需训练的检测信号,用于安全对齐。
麻省理工学院的研究人员开发了PottsMPNN,这是一个结合物理原理的机器学习框架,旨在改进蛋白质序列生成和稳定性预测,从而能够设计超越天然序列的新型蛋白质。
本文提出H-Res,一种通过塑形关联记忆的能量景观来适应大型Transformer模型的方法,无需修改权重或添加提示,保留了记忆容量,且性能优于LoRA。