鲁棒性
3 条- 01大步长对抗训练:隐式偏差、优化与尖锐度
首次系统分析大常数步长下对抗训练的梯度下降动力学,揭示其隐式偏差与泛化-鲁棒性权衡机制
- 02类型化决策编码器中的标签措辞增强:在不熟悉词汇上增益显著,但在缩写或代码上无效
验证标签措辞多样化增强对未登录词的鲁棒性,但对缩写/代码类标签无效,揭示类型化决策模型的语义敏感边界
- 03面向社会模拟中大语言模型智能体的上下文增强与选择性鲁棒性框架
提出通过上下文富化提升LLM社会智能体在提示微变下的行为稳定性,解决社会仿真验证难题。
首次系统分析大常数步长下对抗训练的梯度下降动力学,揭示其隐式偏差与泛化-鲁棒性权衡机制
验证标签措辞多样化增强对未登录词的鲁棒性,但对缩写/代码类标签无效,揭示类型化决策模型的语义敏感边界
提出通过上下文富化提升LLM社会智能体在提示微变下的行为稳定性,解决社会仿真验证难题。