一篇新发表在arXiv上的研究论文探讨了使用平坦度代理进行机器学习模型鲁棒性证书和训练干预的局限性。研究表明,一个常见的最后一层相对平坦度代理可以将损失增加低估210倍以上,并且softmax偏移会使代理变得无界。在CIFAR-10上的实验表明,这些干预措施可能导致泛化能力的实质性、可逆的抑制。 AI
影响 强调了评估和改进模型鲁棒性常用方法的潜在缺陷,表明需要更可靠的技术。
排序理由 研究论文发表在arXiv上,详细介绍了理论和实证发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →