新方法 RepTran 以 74.7% 的成功率修复 Transformer 模型

研究人员开发了 RepTran，这是一种新颖的、基于搜索的方法，专门用于修复 Transformer 模型，而 Transformer 模型是现代人工智能软件的关键组成部分。该方法通过识别可疑权重并使用差分进化进行迭代优化，专注于优化这些模型中的前馈网络。在 18 个故障基准上的评估表明，RepTran 的表现显著优于随机权重选择和 Arachne 等现有方法，平均修复率为 74.7%，并提高了人工智能软件的可靠性。 AI

影响 通过提供一种更有效的方法来修复关键的 Transformer 模型，从而提高了人工智能软件的可靠性。

排序理由 该集群描述了一篇关于一种新颖的 AI 模型修复方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AI-enabled software
• Arachne
• ArachneW
• CIFAR-100
• deep neural network (DNN)
• Feed-Forward Networks (FFNs)
• Hugging Face
• RepTran
• Tiny-ImageNet
• Transformer Models

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →