研究提出对抗训练网络显著图稀疏性的理论解释

2026年10月9日，arXiv机器学习领域发表的一项新研究，针对双层ReLU网络从理论上解释了对抗训练神经网络梯度显著图呈现稀疏性的成因。该研究证明，在数据点与神经元数量增长时，极小值点会收敛至具备极小梯度与Barron范数的Bayes分类器，而在$\ell_\infty$攻击下的各向异性梯度范数促使了稀疏梯度的形成。研究团队随后通过评估梯度$\ell_1$范数与阈值化稀疏度的实验，对该理论进行了验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。