model robustness | BriefGPT

关键词model robustness

搜索结果 - 152

上下文的重要性：对时间问答系统中上下文信息影响的实证研究
该论文通过经验性地考察训练在各种上下文类型中的时间问答（TQA）系统的鲁棒性，填补大型语言模型（LLM）在处理时态信息方面的不足，发现在涵盖相关、无关、稍微改动和无上下文的混合情况下训练，能增强模型的鲁棒性和准确性，并且问题先于上下文的位置
PDF7 days ago
面向本体机器学习的鲁棒训练数据集：紧急道路车辆检测案例研究
通过验证训练数据集的领域完整性和图像质量鲁棒性，提高安全关键领域中机器学习模型的可信度和鲁棒性，并通过紧急道路车辆领域的本体构建实验进行了概念性证明。
PDF13 days ago
增强数据驱动的结构健康监测模型的鲁棒性：带有圆形损失的对抗训练
本文讨论了结构健康监测中的对抗性防御方法，提出了一种基于对抗训练的方法来优化模型的鲁棒性，通过优化训练中特征之间的距离，将样本远离决策边界，从而实现了对模型鲁棒性的显著改进。
PDF14 days ago
临床情境中的腹部器官分割重思（RAOS）：具有挑战性案例的鲁棒性评估基准
深度学习在腹部多器官分割方面取得了巨大的进展，但在边缘情况和复杂器官上的鲁棒性仍然是一个具有挑战性的问题。为了调查模型的鲁棒性，我们收集并注释了 RAOS 数据集，包括 413 名患者的 413 个 CT 扫描，涵盖了诊断 / 放疗、部分切
PDF15 days ago
ACLPairCFR：通过对比学习增强对配对因果增强数据模型训练
通过对已有数据样本进行最小且充分的修改以改变其标签，Counterfactually Augmented Data (CAD) 创建新的数据样本。与 CAD 训练可以增强模型对与标签相关的偶然特征的鲁棒性相比，最新的研究表明，通过 CAD
PDF25 days ago
优化交通标志识别：定制数据增强解决类别不平衡和样本匮乏问题
通过定制化的数据增强技术以及包括合成图像生成、几何变换和基于障碍物的增强方法，该研究解决了交通标志识别中的关键挑战：类别不平衡和数据集稀缺。研究结果表明，在交通标志识别模型性能方面取得了显著改进，这对于交通标志识别系统具有重要意义。该研究不
PDFa month ago
面向长文档分类的长度感知多核心变换器
长篇文档分类方面的研究中，我们提出了一种适应长文档的多核变换器（LAMKIT），通过使用多样化的基于变换器的核心来编码长篇文档，以解决上下文边界和文档长度差异性带来的问题，并通过这些核心向量化文本长度以提高模型的稳健性。在健康和法律领域的五
PDF2 months ago
深度神经网络中解释性与鲁棒性的相互作用探索：一种基于显著性引导的方法
通过使用基于显著性引导的训练（SGT）技术，研究表明它对深度学习模型的鲁棒性和可解释性有显著提升，并提出了一种将 SGT 与标准对抗训练相结合的方法，在确保显著性图质量的同时，实现更大程度的鲁棒性。该方法取得了显著进展，在 MNIST 和
PDF2 months ago
ICLR研究量化对对抗性鲁棒性的影响
在这篇论文中，我们首次对 Post-Training Quantization 和 Quantization-Aware Training 的设置下，能够将鲁棒性优化纳入其中的量化流水线组件的影响进行了深入研究分析。通过我们的详细分析，我们
PDF3 months ago
ACL支持标注人员的提升对抗数据收集：GAHD 德语仇恨言论数据集的经验教训
通过 GAHD 数据集，作者通过新策略支持标记人员创造更多样化的对抗性样本，提高现有仇恨言论检测模型的鲁棒性。
PDF3 months ago
基于 FFT 的选择与优化统计量方法用于严重损坏图像的鲁棒识别
为了在智能设备上实现强大的视觉系统，尤其是机器人代理，提高对损坏图像的模型稳健性是其中的关键挑战。本文介绍了一种新方法（FROST），通过使用高频特征检测输入图像的损坏类型，并选择逐层特征归一化统计，从而提高任何分类模型的稳健性，尤其是在严
PDF3 months ago
离线分布鲁棒线性马尔科夫决策过程的样本复杂度
通过使用离线数据，基于分布健壮的线性马尔科夫决策过程，开发了一种悲观的模型算法，提供了一个具有样本效率的鲁棒性学习策略，以解决离线强化学习中模拟和实际环境之间的差异所带来的问题。
PDF3 months ago
发现和减轻图像分类器中的多个有偏群体
通过分解图像特征为多个组分并生成自然语言描述，使用 DIM 方法来发现和减轻图像分类器中的多个有偏群体，并揭示模型在 Hard ImageNet 上的失误模式，以理解图像分类器中的模型偏差。
PDF3 months ago
CVPR重温长尾分布下的对抗训练
深度神经网络在对抗攻击中易受攻击，现有的对抗训练方法在平衡数据集上表现良好，但实际情况中长尾分布的数据样本下该方法的有效性存疑。本文研究了长尾分布下的对抗训练，发现仅利用平衡 Softmax 损失函数可以在降低训练开销的同时达到与之前方法相
PDF4 months ago
COLING使用 ChatGPT 生成困难的负面范围外数据用于意图分类
通过使用 ChatGPT 生成困难负向超出范围数据并使用之评估，该论文研究了意图分类器，特别是在识别困难负向超出范围情况时的性能变化以及在训练中加入困难负向超出范围数据对于提高模型鲁棒性的影响。
PDF4 months ago
训练数据与转换器文本模型的对抗鲁棒性之间相关性的搜索的奇特案例
利用提取的 13 个不同特征来预测经过精细调整的模型的对抗鲁棒性，并证明训练数据与模型鲁棒性之间存在强相关性。
PDF5 months ago
文本到图像模型在视觉模态缺失的多模态学习中的应用
通过用生成式变压器填补缺失的视觉数据，我们提出了一个简单但有效的多模态学习框架 GTI-MM，以增强数据效率和模型的鲁棒性，尤其是对于缺少视觉模态的情况。我们在多个多模态数据集上进行了全面的分析，包括模型的训练，结果显示合成图像有助于训练数
PDF5 months ago
L-AutoDA: 利用大型语言模型进行自动化的基于决策的对抗攻击
在机器学习快速发展的领域中，对抗性攻击对模型的稳健性和安全性构成了重大挑战。本研究引入了 L-AutoDA（基于大型语言模型的自动化决策攻击），这是一种新颖的方法，利用大型语言模型的生成能力来自动设计这些攻击。通过与大型语言模型在进化框架中
PDF5 months ago
联邦学习对微调特征的偏倚风险及其影响弱领域泛化性能
通过引入 GNP 算法，将鲁棒性从预训练模型传递到微调模型，并增加少量的高斯噪声以增强模型的代表能力，从而显著提高模型在不同场景下的鲁棒性。
PDF5 months ago
通过合作训练保护推荐系统
推荐系统中的假账号是一个严重的问题，本论文提出了一个三重协同防御的框架（TCD），旨在通过集成数据处理和鲁棒模型来提高推荐系统的鲁棒性。此外，论文还介绍了一种高效的攻击策略（Co-Training Attack），并将其与 TCD 作为一个
PDF5 months ago