Soroush H. Zargarbashi

新框架使人工智能模型鲁棒性检查更便宜、更快

研究人员开发了一个新框架，以提高模型鲁棒性证书的效率。该方法使用廉价的代理函数来统计控制与昂贵、可靠的证书（如随机平滑）的偏差。通过使用鲁棒共形风险控制来调整代理，该框架保证了边际错误批准率的界限，这意味着代理接受因扰动而翻转预测的输入的概率。这种方法可以将认证成本降低到单次模型前向传播，同时为 Vision Transformers 和 Language Models 等大型架构保留显著的认证性能。