提出特征空间平滑认证框架FS
热点事件持续更新
提出特征空间平滑认证框架FS
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Song Xia等人于2026年10月26日在arXiv发布论文，提出基于高斯随机平滑的Feature-Space Smoothing (FS) 框架。该框架旨在为深度特征提供认证鲁棒性，保证在l_2扰动下特征余弦相似度的下界。框架通过FCSB机制实现预测级认证，并引入即插即用的Gaussian Smoothness Booster模块以提升编码器鲁棒性。该设计支持多模态大语言模型（MLLMs）等模型在无需重新训练的情况下进行集成。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
Feature-Space Smoothing：基于高斯随机平滑的深度特征认证鲁棒性框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · MLFeature-Space Smoothing：基于高斯随机平滑的深度特征认证鲁棒性框架
提出 Feature-Space Smoothing 框架，基于高斯随机平滑为深度特征提供认证鲁棒性，保证 l_2 扰动下特征余弦相似度下界。 该框架通过 FCSB 实现预测级认证，并引入即插即用模块 Gaussian Smoothness Booster 提升编码器鲁棒性，支持 MLLMs 等模型无需重训练即可集成。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。