跳到正文
热点事件持续更新

研究:不变性训练对答案改变编辑不敏感

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Zhe Dong 与 Fang Qin 提交论文,用最小生成树上的可验证答案改变对照,检验神经图算法的不变性训练评估能否发现模型对答案改变编辑的敏感性丧失。 结果显示,复现的图 Transformer(GDT)在 64 顶点图上经桥接附加子图后,对可证明固定标签的改动率达 53.3%–65.9%,即模型输出随本不应改变答案的编辑而改变。该结论仅针对合成图最小生成树这一可双向认证的设定。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    用可验证的答案改变对照评估神经图算法中的不变性训练

    研究用最小生成树上的可验证答案改变对照检验不变性训练评估:复现的图 Transformer(GDT)在 64 顶点图上经桥接附加子图后,对可证明固定标签的改动率达 53.3-65.9%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。