跳到正文
热点事件持续更新

研究者提出进化对抗鲁棒性方法

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

研究人员 Dong 等人在 arXiv 发布新论文,正式提出名为 EvoUAD-AT 的对抗鲁棒性方法。 该方法通过进化不确定性感知对抗分布,专门解决了传统点式对抗训练忽略邻域变异的技术缺陷。 EvoUAD-AT 在锚点周围维护实例级搜索分布,并结合内省梯度匹配来约束输入梯度。 实验结果显示,该方法在多个基准测试中表现优于现有最优方法,同时在清洁精度和对抗鲁棒性上均取得一致提升。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    EvoUAD-AT:通过进化不确定性感知对抗分布实现鲁棒泛化

    研究提出 EvoUAD-AT 方法,通过进化不确定性感知对抗分布解决点式对抗训练忽略邻域变异的问题。 方法在锚点周围维护实例级搜索分布,结合内省梯度匹配约束输入梯度,在多个基准测试中表现优于现有 SOTA 方法。 该方法在清洁精度和对抗鲁棒性上均取得一致提升。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。