WikiEdge:ArXiv速遞/2025-04-23
摘要
- 原文標題：Lattice QCD determination of the radiative decay rates $h_{c}\to η_{c}\, γ$ and $h_{b}\to η_{b}\, γ$
- 中文標題：格點QCD對輻射衰變率$h_{c}\to η_{c}\, γ$和$h_{b}\to η_{b}\, γ$的確定
- 發布日期：2025-04-23 15:26:36+00:00
- 作者：D. Bečirević, R. Di Palma, R. Frezzotti, G. Gagliardi, V. Lubicz, F. Sanfilippo, N. Tantalo
- 分類：hep-lat, hep-ph
- 原文鏈接：http://arxiv.org/abs/2504.16807v1
中文摘要：我們報告了利用擴展扭曲質量合作組生成的規範組態（包含$N_{f}=2+1+1$動態Wilson-Clover扭曲質量費米子，在五種不同晶格間距下採用物理質量的動態$u$、$d$、$s$和$c$夸克，最粗晶格除外——其最輕海夸克對應$m_{\pi}\simeq 175~\mathrm{MeV}$的π介子），通過格點QCD計算與$h_{c}\to \eta_{c}\gamma$和$h_{b}\to \eta_{b}\gamma$衰變相關強子矩陣元素的結果。$h_{c}\to \eta_{c}\gamma$的強子矩陣元素直接獲得，而$h_{b}\to\eta_{b}\gamma$相關矩陣元則通過採用重夸克質量序列$m^{(n)}_{H} = \lambda^{n-1} m_{c}$（$\lambda \sim 1.24$，$n=1,2,\ldots,6$）計算後，經多種合理假設外推至$m_{b}$質量。連續極限下我們得到$\Gamma( h_{c}\to \eta_{c} \gamma ) = 0.604(24)~\mathrm{MeV}$，其精度較先前格點計算結果提高2.3倍，且與實驗測量值吻合良好；對$b$夸克情形得到$\Gamma( h_{b}\to \eta_{b} \gamma) =46.0(4.8)~\mathrm{keV}$。
摘要
- 原文標題：MAYA: Addressing Inconsistencies in Generative Password Guessing through a Unified Benchmark
- 中文標題：MAYA：通過統一基準解決生成式密碼猜測中的不一致性問題
- 發布日期：2025-04-23 12:16:59+00:00
- 作者：William Corrias, Fabio De Gaspari, Dorjan Hitaj, Luigi V. Mancini
- 分類：cs.CR, cs.AI, cs.LG
- 原文鏈接：http://arxiv.org/abs/2504.16651v1
中文摘要：生成模型的快速發展使其被廣泛應用於密碼猜測等領域，旨在生成複雜度、結構和模式都接近人類創建的密碼。儘管生成模型前景廣闊，但先前研究中的不一致性及缺乏嚴謹評估阻礙了對其真實潛力的全面理解。本文提出MAYA——一個統一、可定製、即插即用的密碼基準測試框架。該框架通過一組嚴格的先進測試場景和八個真實密碼數據集，為生成式密碼猜測模型提供了標準化評估方法。我們使用MAYA對六種最先進方法（均已重新實現並適配標準化）進行了全面評估，累計計算時長超15,000小時。研究發現這些模型能有效捕捉人類密碼分布的不同特徵，並展現出強大的泛化能力，但對長複雜密碼的效果差異顯著。評估顯示序列模型始終優於其他生成架構和傳統密碼猜測工具，在生成精確複雜猜測方面展現出獨特能力。此外，不同模型學習生成的密碼分布具有互補性，這使得多模型聯合攻擊的表現優於最佳單模型。我們開源MAYA框架以推動後續研究，為學界提供能持續可靠評估密碼生成技術的新工具。該框架公開於https://github.com/williamcorrias/MAYA-Password-Benchmarking
摘要
- 原文標題：AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset
- 中文標題：AIMO-2獲勝方案：利用OpenMathReasoning數據集構建最先進的數學推理模型
- 發布日期：2025-04-23 17:13:04+00:00
- 作者：Ivan Moshkov, Darragh Hanley, Ivan Sorokin, Shubham Toshniwal, Christof Henkel, Benedikt Schifferer, Wei Du, Igor Gitman
- 分類：cs.AI, cs.CL, cs.LG
- 原文鏈接：http://arxiv.org/abs/2504.16891v1
中文摘要：本文介紹了我們在AI數學奧林匹克進步獎2（AIMO-2）競賽中的獲勝方案。構建最先進數學推理模型的方案基於三大核心要素：首先，我們創建了包含54萬道獨特高質量數學題目（含奧林匹克競賽級題目）及其320萬條長推理解答的大規模數據集；其次，我們開發了一種通過迭代訓練、生成和質量過濾將代碼執行與長推理模型相結合的新方法，由此產生170萬條高質量工具集成推理解答；第三，我們建立了訓練模型從多個候選方案中選擇最優解的流程。研究表明，這種生成式解決方案選擇（GenSelect）能顯著優於多數投票基線。綜合這些方法，我們訓練出在數學推理基準測試中達到最先進水平的一系列模型。為促進後續研究，我們在商業許可協議下公開了代碼、模型及完整的OpenMathReasoning數據集。