本报告围绕强化学习中的“信用分配”难题，系统梳理了延迟/稀疏奖励场景下如何精准识别关键动作的研究脉络， 介绍LaRe与VinePPO两项新工作 ，分别利用大模型先验与无偏采样提升奖励分配精度与训练效率，展示了“利用大模型知识或采样先验实现精细信用分配”的新范式，并指出未来从相关性走向因果性、用元学习自适应分配信用的发展方向。
强化学习中的信用分配-贺晨阳原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2026/01/12/%e5%bc%ba%e5%8c%96%e5%ad%a6%e4%b9%a0%e4%b8%ad%e7%9a%84%e4%bf%a1%e7%94%a8%e5%88%86%e9%85%8d/
深度学习模型具有强大的特征提取能力，在决策领域得到广泛应用，但往往产生不公平的预测结果，造成不良的社会影响，现有的公平性修复方法往往会导致准确率下降。本次学术报告介绍了一种新的深度…
本次报告围绕协议模糊测试方法展开，从提升协议模糊测试效率和有效性上考虑，要满足以下三个层面内容：1、数据生成角度：生成的测试用例要符合协议规范；2、数据传输角度：生成的测试用例能够…
本报告讲述了加密恶意流量检测领域基本概念，通过详细介绍基于频域分析的实时鲁棒恶意流量检测和基于自适应聚类的网络边缘恶意流量分类方法，启发思考通过统计聚类分析来提升加密恶意流量检测算…
围绕图像对抗样本攻防这一核心主题，介绍以 Block Shuffle & Rotation（BSR） 为代表的迁移攻击增强策略，以及以 Delta Data Augment…
程序崩溃的根本原因分析技术旨在通过分析崩溃时的输入数据，自动推断并定位导致崩溃的根本原因所在的位置，辅助开发人员快速修复软件缺陷。本次报告介绍了2个利用谓词进行程序崩溃的根本原因分…
Android应用在开发和发布初期可能存在各种原因导致的隐藏安全风险，这些安全风险如若不进行检测和修复，会给用户和开发者带来巨大的损…
这篇报告围绕网络拓扑混淆技术展开，首先阐述了网络拓扑脆弱性及攻击者推理真实结构的威胁，强调了混淆防御的重要性。报告详细介绍了AntiTomo和EigenObfu两种主流方法，包括各…
主动学习也叫做询问学习或最佳实验设计，它是机器学的分支，更人工智能。主要的假设是是否学习算法是可以去选择先要…
高斯混合模型（Gaussian mixture model，GMM）用于对样本的概率密度分布进行估计，而估计…
