SAFT方法仅更新5%参数实现高效对抗训练
热点事件持续更新
SAFT方法仅更新5%参数实现高效对抗训练
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
Zhaoxin Wang等研究人员于2026年10月30日在arXiv上提出稀疏对抗微调方法SAFT。该方法基于对抗梯度显著性分析，发现对抗优化高度集中于被称为鲁棒性关键参数（RCPs）的稀疏子空间。研究团队据此设计了冻结非关键参数、仅更新约5%关键参数的训练策略。该方法在多个架构和数据集上的实验显示，SAFT性能优于LoRA，并接近或超过全参数训练的效果。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 12:00
Sparse Adversarial Fine-Tuning: 参数高效对抗训练新方法报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · AISparse Adversarial Fine-Tuning: 参数高效对抗训练新方法
研究提出稀疏对抗微调方法 SAFT，通过更新仅约 5% 的参数实现高效对抗训练。 基于对抗梯度显著性定位鲁棒性关键参数，冻结其余参数进行微调，方法在多个架构和数据集上优于 LoRA，并接近或超过全参数训练效果。
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。