Convex AI Compositionality and the Governance of AI System Populations
本文针对AI系统群体治理问题，提出了一种基于凸空间的形式化表示方法——凸AI组合性，以有效监控和管理多AI系统的配置变化。
0 citationsRead paper
Selected work
Representative Papers
Integrality gap preserving reductions
研究通过整数间隙保持约简方法解决组合优化问题的整数间隙，应用于多个经典问题，并证明某些子类问题的整数间隙为1。
0 citationsRead paper
TTM-Bench: A Framework for Text-to-Music System Performance Benchmarking
为解决文本转音乐系统性能评估难题，TTM-Bench框架通过统一协议衡量音乐内容一致性及计算效率，提供可解释的评估指标。
0 citationsRead paper
Neuron Activation-based Computation of Logical Explanations for Deep Neural Networks
本文提出了一种基于神经元激活的符号框架，使用SMT求解器等逻辑引擎有效计算深度神经网络行为的解释，解决了现有技术无法处理深层架构的问题。
0 citationsRead paper
Partial Identification under Causal Orders by Linear Programming
该研究通过线性编程方法，利用因果顺序对反事实查询进行部分识别，解决了在领域知识不完整情况下的非参数识别问题。
0 citationsRead paper
Recent publications
Latest Papers
Convex AI Compositionality and the Governance of AI System Populations
本文针对AI系统群体治理问题，提出了一种基于凸空间的形式化表示方法——凸AI组合性，以有效监控和管理多AI系统的配置变化。
0 citationsRead paper
Integrality gap preserving reductions
研究通过整数间隙保持约简方法解决组合优化问题的整数间隙，应用于多个经典问题，并证明某些子类问题的整数间隙为1。
0 citationsRead paper
TTM-Bench: A Framework for Text-to-Music System Performance Benchmarking
为解决文本转音乐系统性能评估难题，TTM-Bench框架通过统一协议衡量音乐内容一致性及计算效率，提供可解释的评估指标。
0 citationsRead paper
Neuron Activation-based Computation of Logical Explanations for Deep Neural Networks
本文提出了一种基于神经元激活的符号框架，使用SMT求解器等逻辑引擎有效计算深度神经网络行为的解释，解决了现有技术无法处理深层架构的问题。
0 citationsRead paper
Partial Identification under Causal Orders by Linear Programming
该研究通过线性编程方法，利用因果顺序对反事实查询进行部分识别，解决了在领域知识不完整情况下的非参数识别问题。
0 citationsRead paper