10:33arXiv cs.LG@Antoine Pesenti, Aidan O'Sullivan该论文使用深度学习(DNN)结合可解释AI(XAI)技术,分析欧洲39个竞价区的电价决定因素。通过SHAP方法和扩展的SSHAP聚合框架量化特征贡献。研究发现太阳能等可再生能源在电价形成中作用突出,尽管其发电占比低;天然气价格仍是主导且一致的驱动因素;跨区域互联显著影响价格动态。论文还构建了一个合成全欧洲统一电力市场的反事实场景。论文XAISHAPDNN欧洲电力市场可解释性推荐理由:这篇论文用XAI方法拆解了欧洲39个地区的电价驱动力,告诉你太阳能比想象中更重要、天然气还是老大,还模拟了全欧统一电价会怎样。原文
09:46arXiv cs.AI@Samuele Pasini, Jinhan Kim, Paolo Tonella精选研究者提出MIST方法,通过分析深度神经网络在微调过程中内部表征的谱变化来检测后门攻击。该方法将良性模型更新建模为预激活谱的回归问题,通过检测谱偏差识别恶意更新。在四个数据集和八种后门攻击的实验中,MIST在单次更新后即达到最先进的检测准确率,且无需了解中毒数据或触发器。该方法在多步良性演化下仍保持有效,性能退化可控。这表明谱演化信号为检测恶意模型更新提供了稳定且假设较少的方案。论文后门检测谱回归分析模型安全微调DNN推荐理由:安全团队和AI部署者终于有了一个无需先验知识就能检测模型后门的方法——MIST通过分析微调时的谱变化,在单次更新后即可识别恶意植入,比现有方法更早更准。做模型安全审计的开发者值得关注。原文