#模型鲁棒性

这篇论文发现源训练动力学能提前预警未来OOD失效，对模型鲁棒性研究有实用价值。

这篇论文研究了LLM价值对齐的泛化预测，用激活状态表示比文本描述效果好9倍，还能评估多价值目标的鲁棒性。

这篇论文提出了AutoBackSwap，只用几百张图片的标注就能让模型不依赖背景，效果比之前的方法都好，做图像分类的值得一看。