probabilistic

本文提出了一种从黑盒语言模型中提取训练数据的概率方法，表明聚合的成员推断指标掩盖了逐文档泄露，并介绍了“leakit”审计工具。

提出MBDiff，一种用于概率性公用事业数据填补的多视图行为感知扩散模型，该模型从全局、局部和实例级视图学习用户行为，并使用条件注意力去噪网络。在佛罗里达州的真实公用事业数据上进行的评估表明，它优于最先进的基线模型。

本文提出了一种混合概率预测系统，将时间序列分解（Prophet）与自然语言处理技术相结合，应用于玻利维亚新闻报道以预测路障，相比纯统计模型，取得了改进的AUC-ROC和Brier分数。

本文介绍了面向大语言模型推理的概率概念感知引导（PCS）框架，该框架利用概念驱动的引导向量检索和概率强度校准，提升了可解释性、最优性和泛化能力，在多个数据集上实现了方向准确率提高超过30%，引导准确率超过89%。

本文提出了一种基于贝尔纳普类型化内涵一阶逻辑的神经符号通用人工智能机器人的概率扩展方法。它引入了全局和局部对称变换来保存知识并实现实时决策，其中神经网络基于最大信息熵计算概率密度。

本文介绍了BlendIn，一个推理时对齐框架，它使用概率模型融合来评估指导可靠性并按比例加权模型贡献，通过避免有害干预实现了高达50%的性能提升。

IMF发布了一份正式说明，引入了代理支付的概念，阐述了概率性AI系统与确定性支付基础设施之间的张力，并将从“点击支付”到“决定支付”的转变进行了定义。

Njord是一种用于集合海洋预报的概率图神经网络，它提供不确定性估计，并在全球和区域基准上取得了最先进的性能，改进了海表温度预测。