热点事件观察中
研究者提出选择性对抗训练框架AGAT
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv机器学习领域发布了一项关于增强引导对抗训练（AGAT）的研究。该选择性对抗训练框架通过轻量级的ALS指标，衡量输入与其增强变体之间的logits归一化变化，从而专门筛选出邻域不稳定的样本来执行对抗训练。在MNIST、CIFAR-10、CIFAR-100以及Tiny-ImageNet-200数据集上的实验表明，AGAT在每个minibatch中仅需对20%至30%的样本施加对抗监督，即可取得与基准相当或更高的鲁棒准确率，同时训练时间低于所有基准方法。
AI 根据报道生成 · 6 小时前更新
最新进展10月27日 12:00
AGAT框架通过ALS指标筛选不稳定样本，仅需20-30%样本训练即可兼顾高鲁棒性与低耗时。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习基于局部稳定性样本选择的增强引导对抗训练
选择性对抗训练框架 AGAT 通过轻量级 ALS 指标衡量输入与增强变体间的 logits 归一化变化，专门筛选邻域不稳定样本执行对抗训练。在 MNIST、CIFAR-10、CIFAR-100 和 Tiny-ImageNet-200 上的实验显示，AGAT 每个 minibatch 仅需对 20-30% 的样本施加对抗监督，即可获得相当或更高的鲁棒准确率，且训练时间少于所有基准方法。
本事件热度走势
当前热度 5·可比范围峰值 5（10月28日 11:00）·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。