#鲁棒性

新发布的RoVR-GSPO优化器解决了奖励和序列权重敏感问题，在多个任务上超越GSPO，对异常值更鲁棒。

做强化学习的可以看看：RACER 用自适应扰动和 critic 一致性正则，解决了对抗训练里对手太狠把智能体带偏的问题，连续控制实验效果确实比老基线稳。

这个研究提出了一种新的梯度下降优化方法，通过过滤掉不稳定的梯度来提升模型对异常值的鲁棒性，实验效果不错，对做优化相关研究的人可能有参考价值。

这篇论文揭示了GNN-based KGQA在对抗性攻击下的弱点，特别是子图构建阶段，对于理解KGQA系统的鲁棒性具有重要意义。

这篇论文深入探讨了工业控制系统异常检测模型的鲁棒性，对于关注数据安全和模型稳定性的读者来说，这是一篇值得关注的论文。

这篇论文提出了一种无奖励持续学习框架，对于太空机器人适应硬件退化问题有重要意义，值得一读。

CGRm 解决了长尾对抗训练中类别不平衡和对抗放大双重问题，用混淆几何图精准定位关键边界，实验效果不错，值得做对抗训练的人看看。

这篇论文用HIVE工具对比语音和键盘输入的扰动，发现语音转写对模型影响更大，键盘错字反而扛得住。想知道输入方式怎么影响LLM表现可以看看。

想测试数学推理模型是真会思考还是靠蒙？这个挑战赛提供了新基准和资源，帮你判断模型的鲁棒性。

这篇论文用具体模型和实验告诉你，哪些深度模型在光伏功率预测里更扛NWP天气误差，不是空谈。

论文用实验告诉你，4比特量化的LLM最靠谱，比8比特还稳，想省资源又想要可靠性可以照这个选。

这篇论文提出的FDT模拟人眼注视，只用一半token就比DeiT-S更准还省34%算力，而且天然抗噪声攻击。

这篇论文挖出了LLM理解方言但生成不了方言的深层矛盾，还对比了多种对齐方法，结果很反直觉。

不想重训练模型？PeTeR这个后训练方法不用数据就能给概率电路加固，效果和从头做鲁棒训练差不多。

这篇论文提出了AD-CERT，用对抗蒸馏帮模型在保持准确率的同时更容易通过形式化验证，在多个基准上刷新了认证精度记录。

这篇论文提出了一种计算简单的方法，能告诉你神经网络对输入噪声的容忍上限，还画出了鲁棒性曲线，帮你量化模型稳定性。

这篇论文用三个真实数据把故障容错和抗噪鲁棒性分清楚了，发现训练方式比架构更关键，做事件检测的可以看看。

这篇论文解决了逆问题模型在噪声变化时性能暴跌的痛点，用结构化的 DRO 替代傻均匀扰动，实验还发现它自动学出低秩算子。搞图像重建或鲁棒学习的可以细看。

这篇论文用树结构搞定模型对少数子组表现差的问题，还能看清子组结构，挺实在的。

这篇论文讲了一个反直觉的现象：给攻击加随机缩放，对标准模型有用，对鲁棒模型反而有害。还给出了简单补救方法，搞对抗攻击的可以看看。

这篇论文证明了simPE在图像旋转下比标准位置编码更稳，用四个数据集给出了理论界和实验验证，做视觉Transformer的值得看。

这篇论文提出了更紧的深度学习泛化误差上界，在ImageNet上比现有方法更准，值得一看。

做可穿戴健康监测或临床PPG分析的团队，可以关注这个用更少数据训练出更强鲁棒性的方法，直接提升在真实场景中的表现。

做LLM评估和推理优化的团队会关心——GSM8K的脆弱性说明基准测试可能高估了模型的真实推理能力，建议关注数值变化对模型泛化的影响。