★ 3
TransferBreaker：阻断语音识别对抗迁移攻击
论文揭示在公开预训练 ASR 模型上构造的对抗扰动可有效迁移到微调后的黑盒目标模型，严重降低性能。作者提出 TransferBreaker 统一微调框架，整合基础对抗微调、潜在雅可比正则化与 HybridGrad-AFT，在三种语言、四个大型 ASR 模型上将对抗词错率从 92.6 降至 27.8…
arXiv cs.LG25 天前
#模型鲁棒性
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究定位 LLaMA-2-7B-Chat 安全关键参数，0.19% 权重即可攻破
论文研究端侧小语言模型的安全脆弱性，考察 LLaMA-2-7B-Chat 的安全敏感行为是否集中于稀疏参数子集。通过低秩安全子空间分析与参数级安全-效用重要性过滤两种方法，发现网络内安全敏感性高度不均，MLP 的 down_proj 层最为关键。仅修改 down_proj 中 0.19% 的权重即…
arXiv cs.AI25 天前
★ 2
研究构建法语输入变体基准评测 LLM 准确率与可靠性
论文构建受控法语表层变体基准，覆盖七类任务、4200 组原始-低-高三元组共 12600 条输入，评测两个模型家族的六个模型。结果显示扰动强度越高准确率越低、Brier 分数与负对数似然越差；键盘拼写错误造成最大损失。在原始输入上拟合的校准温度可有效迁移到变体，校准与输入还原结合可进一步改善可靠性。
arXiv NLP6 天前
★ 2
LEAN 正则化重塑权重敏感度分布提升网络容错
论文提出 LEAN 方法，通过对梯度与翻转步长施加复合正则项，系统性地改变训练后模型的权重敏感度分布。在 9 个视觉模型上敏感尾部缩小 5-13 倍且精度损失小于 0.5 点，配合 BCH 码可抵御 300-500 次比特翻转攻击，并将 ImageNet ResNet-50 压缩至 3.29 比特…
arXiv cs.LG11 天前
★ 2
Resonance 模型：蒸馏提升化学反应预测但推理脆弱
研究提出 Resonance 系列模型，通过蒸馏开放权重教师模型的推理轨迹并自训练，将接近零准确率的小模型变为可用的正向反应预测器，更强学生甚至超越教师。但作者发现准确率不等于稳健推理：小模型继承教师单次推理风格，在质疑下容易放弃正确答案，呼吁同时评估推理稳健性。
arXiv cs.AI13 天前
★ 2
Bipolar Image 项目：人看一张图，LLM 看到另一张
开发者发布 Bipolar Image 演示项目，展示同一张图片在人类视觉与大型语言模型解析下呈现不同内容的现象。该实验直观揭示多模态模型与人类感知之间的差异，可用于探讨视觉对抗样本与模型鲁棒性问题。
Hacker News – LLM13 天前
★ 2
研究揭示文本分类服务上下文非确定性
一篇 arXiv 论文系统研究了文本分类器在不同服务上下文下的非确定性，训练了 180 个模型并跨四类服务场景评估。研究发现标签稳定不代表分数稳定，仅改变批次形状在 bf16 下可移动高达 56.7 个百分点的预测概率质量。全生成式分类器比判别式分类器更易受服务变化影响。
arXiv NLP25 天前
★ 2
PLSP：从OOD检测转向OOD预测的前瞻框架
现有分布外（OOD）方法均为事后检测，依赖推理阶段的准确率与 AUC-ROC 间接评估。论文提出事前预测框架 PLSP，引入数据集无关的 CREDS 可信度评分、可信度曲线与可信度热图，刻画模型在不同数据集上的事前行为。实验表明该指标有助于提升模型对 OOD 的鲁棒性。
arXiv cs.LG49 天前