跳到正文
arXiv · ML· Khanh Nguyen, Antonio Emanuele Cin\`a, Andrey Barsky, Alejandra Reinares, Fabio Roli, Dimosthenis Karatzas·· 10 天前AI 评分35

Bayesian Low-Rank Posteriors 实现可扩展的成员推理

Bayesian Low-Rank Posteriors for Scalable Membership Inference

AI 导读

提出基于 LoRA 子空间贝叶斯近似的成员推理方法,用 SWAG 从单次训练生成虚拟参考模型,在 Document VQA 和 Medical VQA 任务中性能优于标准参考模型攻击。 该方法仅依赖单次参考模型微调运行,大幅降低了计算成本,使成员推理在大规模视觉语言模型上更具实用性。

来源:arXiv · ML · arxiv.org