苹果机器学习研究部门推出了一种名为DLR-Lock的新方法，用于保护预训练语言模型的权重免遭未经授权的修改。该技术通过用深度低秩残差网络（DLR-Net）替换每个多层感知器（MLP），增加了反向传播时的内存需求。DLR-Lock旨在使微调优化复杂化并增加反向传播开销，从而抵御自适应攻击者，同时保留模型的原始能力，这一点已通过在大语言模型上的实验得到验证。 AI
影响 引入了一种新的防御机制，可抵御未经授权的模型适应，可能影响开源大语言模型生态系统。
排序理由 研究论文，详细介绍了一种新颖的模型权重保护方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Apple Machine Learning Research 阅读 →
- Apple Inc.
- Conference on Neural Information Processing Systems
- DLR-Lock
- DLR-Net
- Federico Danieli
- International Conference on Machine Learning
- Keitaro Sakamoto
- Marco Cuturi
- Pierre Ablin
- University of Tokyo
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
