实体
Fast Adversarial Training
Fast Adversarial Training
PulseAugur coverage of Fast Adversarial Training — every cluster mentioning Fast Adversarial Training across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
研究人员揭示对抗性训练中灾难性过拟合背后的后门机制
研究人员提出了一种对快速对抗性训练中灾难性过拟合的新解释，将其视为一种后门机制。这一视角将灾难性过拟合、后门攻击和不可学习任务统一在一个理论框架下。基于这一见解，该研究提出了通过重新校准模型参数和引入权重异常值抑制约束来改善泛化能力的缓解策略。
-
新研究通过动态指导和公平基准来解决快速对抗性训练问题
研究人员开发了一种名为分布感知动态指导（DDG）的新策略，以提高使用快速对抗性训练（FAT）训练的AI模型的鲁棒性。DDG通过根据样本置信度动态调整扰动幅度和监督信号，来解决灾难性过拟合和在干净输入上性能下降等问题。该方法旨在引导模型形成更一致的决策边界，并防止过度强调错误的训练信号。此外，还引入了一个全面的基准框架，以确保各种快速对抗性训练方法的公平和可复现的评估。