AI dan Masalah-Masalah Sulit Dunia · Fisika kuantum & komputasi kuantum · arXiv · 2026-10-22
Bisakah Lapisan Kuantum Memberikan Keunggulan Performa dan Keamanan pada Model Vision-Language?
Judul asli: Can Quantum Layers offer Performance and Security Advantages in Vision-Language Models?
Dengan LLaVA-OneVision sebagai backbone, studi ini mengevaluasi sirkuit basic-ring dan strongly entangling 4- dan 8-qubit yang disisipkan ke dalam atau menggantikan komponen klasik di empat lokasi masing-masing, serta membandingkan kinerja dan biaya komputasinya dengan model klasik. Pada dataset Visual Spatial Reasoning, penyisipan lapisan kuantum setelah proyektor visual mencapai akurasi pengembangan sebesar 80.7%, 2.28 poin persentase di atas full fine-tuning klasik, sedangkan penggantian sublapisan feed-forward decoder yang terakhir mempertahankan akurasi 79.22% dengan 13.07 juta parameter yang dapat dilatih lebih sedikit. Manfaatnya sangat bergantung pada penempatan—penggantian di posisi lebih awal menurunkan akurasi dan berkurangnya parameter tidak secara andal memperpendek pelatihan atau mengurangi komputasi—ketahanan juga dievaluasi dalam enam skenario serangan, dan apakah keuntungan-keuntungan ini dapat digeneralisasi masih menjadi pertanyaan terbuka.