№adversarial·general
Adversarial
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-07-28
- 累计提及
- 44
§ 01综述
Adversarial，即对抗，在机器学习和人工智能领域指的是通过设计特殊的输入数据来欺骗或误导机器学习模型的过程，这一技术广泛应用于增强模型鲁棒性和安全性。
Adversarial 近期进展
针对卷积扰动的认证训练方法 从arXiv cs.LG，提出了一种针对卷积扰动的认证训练方法，旨在提高图像分类模型的鲁棒性（发布日期：2023年7月）。
Generative Robust Optimisation：用生成模型定义不确定性集 来自arXiv cs.LG，该研究通过生成模型定义不确定性集，以增强机器学习模型对对抗样本的鲁棒性（发布日期：2023年6月）。
ASAM：对抗子空间对齐实现鲁棒多模态知识编辑 来自arXiv cs.AI，这项工作通过对抗子空间对齐，实现了鲁棒的多模态知识编辑（发布日期：2023年5月）。
当前焦点与观察点
Adversarial技术的研究正逐渐从单一模型鲁棒性转向更广泛的应用，如生成模型和知识编辑领域。
观察到，近期的研究更加注重模型在实际应用中的鲁棒性和泛化能力，而不仅仅是理论上的提升。