研究揭示平坦度代理局限并推导特征空间修正方案

1. 12:00
   arXiv 机器学习

   当平坦度代理指标不是函数时：鲁棒性认证与训练干预

   研究指出最后一层相对平坦度代理指标作为曲率上界时，无法直接用于鲁棒性认证或内在训练干预。在有限全局经验风险极小值处，原有认证表达式会将损失增加低估超过 210x，对此研究推导出了全局有效且具备规范不变性的特征空间修正方案。行中心化消除了 softmax 偏移导致的指标未有界问题，在算法与图像模型测试中保证了梯度与预测的一致性。

当前热度 9·可比范围峰值 10（10月1日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。