Simpler Methods Work Better for L1 Penalized Logistic Models and Large Datasets
研究针对大规模数据集上L1正则化逻辑模型的训练问题，发现较旧的方法比所谓的最新方法更有效，并推荐了一种基于LBFGS的新简单基线方法。
0 citationsRead paper
Selected work
Representative Papers
Identifying Security Platform Product Abuse with Machine Learning
研究使用机器学习方法识别SaaS行业中安全平台产品滥用问题，通过收集多模态数据并设计适应实际部署的系统来解决这一罕见但日益增长的问题。
0 citationsRead paper
Fast And Accurate Text Content File Type Identification
本文提出了一种神经网络模型，用于更准确且快速地识别文本内容文件类型，特别是源代码文件，相比现有工具具有更高的准确性和更快的速度。
0 citationsRead paper
An Introduction to Compression-Based Machine Learning
论文探讨了如何通过压缩算法转换成机器学习方法，利用归一化压缩距离或最小描述长度原则解决AI中的问题，并提出了一种基于压缩的机器学习设计框架。
0 citationsRead paper
When LLM Decompilers Recompile More and Preserve Less
研究解决了LLM反编译器在重新编译时行为不一致的问题，提出了一种名为Decompile-Diverge的行为比较方法来检测这种差异。
0 citationsRead paper
Recent publications
Latest Papers
Simpler Methods Work Better for L1 Penalized Logistic Models and Large Datasets
研究针对大规模数据集上L1正则化逻辑模型的训练问题，发现较旧的方法比所谓的最新方法更有效，并推荐了一种基于LBFGS的新简单基线方法。
0 citationsRead paper
Identifying Security Platform Product Abuse with Machine Learning
研究使用机器学习方法识别SaaS行业中安全平台产品滥用问题，通过收集多模态数据并设计适应实际部署的系统来解决这一罕见但日益增长的问题。
0 citationsRead paper
Fast And Accurate Text Content File Type Identification
本文提出了一种神经网络模型，用于更准确且快速地识别文本内容文件类型，特别是源代码文件，相比现有工具具有更高的准确性和更快的速度。
0 citationsRead paper
An Introduction to Compression-Based Machine Learning
论文探讨了如何通过压缩算法转换成机器学习方法，利用归一化压缩距离或最小描述长度原则解决AI中的问题，并提出了一种基于压缩的机器学习设计框架。
0 citationsRead paper
When LLM Decompilers Recompile More and Preserve Less
研究解决了LLM反编译器在重新编译时行为不一致的问题，提出了一种名为Decompile-Diverge的行为比较方法来检测这种差异。
0 citationsRead paper