Stability-Aware Proactive Autoscaling Using a Double Deep Q-Network in Cloud Computing Environments
针对云环境中动态工作负载导致的响应延迟和缩放振荡问题，提出了一种基于双深度Q网络（DDQN）结合资源移除策略（RRS）的主动自动扩展方法，提高了稳定性和适应性。
0 citationsRead paper
Selected work
Representative Papers
Agentic Autoscaling through Worker-Pool Orchestration for LLM-driven Text Classification in Cloud Computing Environments
本文提出了一种通过工作池编排实现的自主扩展框架，用于解决云环境中大规模文本分类任务的高延迟和计算密集问题。
0 citationsRead paper
Correlation-Guided Fast Machine Unlearning via Hessian Analysis
本文提出一种基于Hessian分析的快速机器遗忘框架，通过识别训练集中的相关数据点并应用理论推导的参数更新规则，有效解决了现有方法计算成本高的问题。
0 citationsRead paper
Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks
本文审计了本地部署的大语言模型在面对越狱攻击时的防御机制，通过追踪失败原因至具体假设，并测试了六种开放权重模型。
0 citationsRead paper
Robust Discovery of Coarse-Grained Continuum Equations from Microscopic Dynamics
研究使用PDE-SINDy方法从时空数据中发现相序动力学的控制方程，评估了数据可用性、候选库大小和噪声的影响，并展示了该方法在Ising模型中的应用潜力。
0 citationsRead paper
Recent publications
Latest Papers
Stability-Aware Proactive Autoscaling Using a Double Deep Q-Network in Cloud Computing Environments
针对云环境中动态工作负载导致的响应延迟和缩放振荡问题，提出了一种基于双深度Q网络（DDQN）结合资源移除策略（RRS）的主动自动扩展方法，提高了稳定性和适应性。
0 citationsRead paper
Agentic Autoscaling through Worker-Pool Orchestration for LLM-driven Text Classification in Cloud Computing Environments
本文提出了一种通过工作池编排实现的自主扩展框架，用于解决云环境中大规模文本分类任务的高延迟和计算密集问题。
0 citationsRead paper
Correlation-Guided Fast Machine Unlearning via Hessian Analysis
本文提出一种基于Hessian分析的快速机器遗忘框架，通过识别训练集中的相关数据点并应用理论推导的参数更新规则，有效解决了现有方法计算成本高的问题。
0 citationsRead paper
Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks
本文审计了本地部署的大语言模型在面对越狱攻击时的防御机制，通过追踪失败原因至具体假设，并测试了六种开放权重模型。
0 citationsRead paper
Robust Discovery of Coarse-Grained Continuum Equations from Microscopic Dynamics
研究使用PDE-SINDy方法从时空数据中发现相序动力学的控制方程，评估了数据可用性、候选库大小和噪声的影响，并展示了该方法在Ising模型中的应用潜力。
0 citationsRead paper