Reasoning Topology Matters: A Controlled Study of LLM-Based Cybersecurity Analysis
研究通过引入三种结构（线性、分支和图）来组织中间推理步骤，提高LLM在网络安全分析中的性能，图结构表现最佳。
0 citationsRead paper
Selected work
Representative Papers
Hierarchical Aggregation of Semantic Uncertainty in 3D Scene Graphs
本文提出一种框架，利用3D场景图中存储的检测置信度和嵌入信息来估计语义不确定性，并通过层次结构传播，从而提高对象检索准确性并降低房间级别断言的错误。
0 citationsRead paper
Mutual Information as a Tool for Optimal Classification: Application to Identifying Rapid-Responding Behaviour
本文提出一种基于互信息的非参数方法框架，用于识别大规模评估中的快速响应行为，通过计算响应和响应时间之间的互信息来确定区分快速与正常响应的阈值。
0 citationsRead paper
Label-free steering: Compressing test-time reinforcement learning into bias-only subspaces
研究通过仅优化约10万个偏置参数并使用多数投票伪标签作为奖励，实现了在不依赖标记数据的情况下提高模型推理能力，解决了测试时强化学习需要大量参数优化的问题。
0 citationsRead paper
P-POSEMEM: Projective Semantic Memory for Consistent Language Grounding under Pose-Graph Rewrites
为解决机器人在SLAM图优化过程中语义记忆一致性问题，P-POSEMEM通过存储不可变事件及保留被边缘化的关键帧条件来保持对象命名一致。
0 citationsRead paper
Recent publications
Latest Papers
Reasoning Topology Matters: A Controlled Study of LLM-Based Cybersecurity Analysis
研究通过引入三种结构（线性、分支和图）来组织中间推理步骤，提高LLM在网络安全分析中的性能，图结构表现最佳。
0 citationsRead paper
Hierarchical Aggregation of Semantic Uncertainty in 3D Scene Graphs
本文提出一种框架，利用3D场景图中存储的检测置信度和嵌入信息来估计语义不确定性，并通过层次结构传播，从而提高对象检索准确性并降低房间级别断言的错误。
0 citationsRead paper
Mutual Information as a Tool for Optimal Classification: Application to Identifying Rapid-Responding Behaviour
本文提出一种基于互信息的非参数方法框架，用于识别大规模评估中的快速响应行为，通过计算响应和响应时间之间的互信息来确定区分快速与正常响应的阈值。
0 citationsRead paper
Label-free steering: Compressing test-time reinforcement learning into bias-only subspaces
研究通过仅优化约10万个偏置参数并使用多数投票伪标签作为奖励，实现了在不依赖标记数据的情况下提高模型推理能力，解决了测试时强化学习需要大量参数优化的问题。
0 citationsRead paper
P-POSEMEM: Projective Semantic Memory for Consistent Language Grounding under Pose-Graph Rewrites
为解决机器人在SLAM图优化过程中语义记忆一致性问题，P-POSEMEM通过存储不可变事件及保留被边缘化的关键帧条件来保持对象命名一致。
0 citationsRead paper