BriefGPT - AI 论文速递 ·

关于去中心化学习中隐私保护与拜占庭鲁棒性之间的权衡

💡 原文中文，约200字，阅读约需1分钟。

📝

内容提要

本文研究了一种隐私保护和拜占庭健壮的分布式随机梯度下降框架，采用高斯噪声进行隐私保护，并采用鲁棒聚合规则来对抗拜占庭攻击。研究发现分布式学习中隐私保护和拜占庭健壮性之间存在权衡关系，并通过数值实验验证了理论发现。

🏷️

StickMe 隐私政策
StickMe是一款本地优先的动作记录应用，无需注册账号，不收集或上传个人数据，无广告及第三方SDK。相机画面仅用于本地识别人体骨骼动作，不分享真人画面。...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
对于MiniMax H3，使用中文和英文提示词时，能看到都在说，英文提示词通常能带来更好的生成效果。但是我实际测试下来，感觉差别不大。我的测试是基于北京...
OpenAI承认德国维基‘事件’
OpenAI says it needs to overhaul how and when it reports instances of AI mode...
自动驾驶出租车进入反派时代
It's Bullitt meets Christine meets Waymo. A new short film imagines a San...
Beyond Zero: Google Publishes Successor to BeyondCorp
In a recent research paper, Google introduced Beyond Zero, a “security model ...