研究人员开发了RRISE，一个用于鲁棒半径推断的新框架，它显著加快了认证$\ell_2$分类鲁棒性的过程。通过训练一个学习到的代理模型，RRISE用一次前向传播取代了数千次蒙特卡洛采样步骤，使得认证鲁棒性在实时系统中变得实用。该方法在认证精度上与传统的随机平滑法相当，同时大幅降低了部署期间的计算成本。 AI
影响 通过降低计算开销，实现了认证AI鲁棒性的实用化和实时应用。
排序理由 该集群包含一篇详细介绍改进AI鲁棒性新方法的学术论文。[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 →