热点事件持续更新
对抗训练鲁棒性与几何精度权衡获理论证明
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月19日，arXiv机器学习领域发布了一项关于对抗训练中鲁棒性与几何精度权衡关系的研究。研究人员在存在对抗样本的非参数二分类任务中，推导出了对抗分类器鲁棒性与几何精度之间的最优定量估计。该研究采用到贝叶斯分类器的Hausdorff距离作为几何精度的衡量指标，从理论上证明了鲁棒分类器在对抗预算 $\varepsilon$ 下，其几何精度最多损失 $O(\sqrt{\varepsilon})$ 或 $O(\varepsilon)$。
AI 根据报道生成 · 4 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 机器学习对抗训练中鲁棒性与几何精度权衡关系研究
研究人员证明了在存在对抗样本的非参数二分类任务中，对抗分类器的鲁棒性与几何精度之间的最优定量估计。该研究通过到贝叶斯分类器的 Hausdorff 距离来衡量几何精度，证明鲁棒分类器在对抗预算 $\varepsilon$ 下最多损失 $O(\sqrt{\varepsilon})$ 或 $O(\varepsilon)$ 的精度。
本事件热度走势
当前热度 9·可比范围峰值 10（10月19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。