鲁棒性
3 条- 01大语言模型代码理解中的词汇迷信:在低词汇质量代码上的再评估
发现LLM过度依赖标识符名称等词汇线索进行代码理解,提出Face/Off框架验证语义鲁棒性缺陷。
- 02RRSI:面向代理测试台的正则化递归自我改进方法
提出RRSI方法,在代理测试台组件级递归优化中引入正则化,缓解任务过拟合,提升跨任务泛化鲁棒性。
- 03Canto:面向真实世界的语音模型
发布端到端语音模型Canto,专为嘈杂环境、口音多样等现实场景优化,提升鲁棒性。
发现LLM过度依赖标识符名称等词汇线索进行代码理解,提出Face/Off框架验证语义鲁棒性缺陷。
提出RRSI方法,在代理测试台组件级递归优化中引入正则化,缓解任务过拟合,提升跨任务泛化鲁棒性。
发布端到端语音模型Canto,专为嘈杂环境、口音多样等现实场景优化,提升鲁棒性。