跳到正文
热点事件持续更新

论文提出用可认证答案改变对照评估图算法不变性训练

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Zhe Dong 与 Fang Qin 发布论文(arXiv:2611.23907),提出用可认证的答案改变型编辑来评估神经算法推理器的不变性训练,并在合成图最小生成树任务上验证该方法。 实验显示,复现的 graph transformer(GDT)在 64 顶点图附加桥接后,对可证明不变的标签在 53.3-65.9% 的精确求解图上改变了预测。三个不变性目标可将违例率从 2.91% 降至 0.52-2.02%,但对两边缘加编辑的响应率仍从 97.6% 降到 66.0-79.0%。 论文称,训练后不变性的敏感性检查应纳入与训练编辑方式一致、附加材料的可认证答案改变型编辑。

AI 根据报道生成 · 35 分钟前更新

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
    用可认证的答案改变型对照评估神经图算法的不变性训练

    arXiv 论文提出用可认证的答案改变型对照来评估神经算法推理器的不变性训练。在合成图最小生成树上,复现的 graph transformer(GDT)在 64 顶点桥接附加后,对可证明不变的标签在 53.3-65.9% 的精确求解图上改变了预测;三个不变性目标将违例从 2.91% 降到 0.52-2.02%,但两边缘加的响应从 97.6% 仍留在 66.0-79.0%。

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。