研究者提出稀疏对抗微调方法SAFT，论文入选NeurIPS 2026
热点事件持续更新
研究者提出稀疏对抗微调方法SAFT，论文入选NeurIPS 2026
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Zhaoxin Wang等人在论文中提出稀疏对抗微调方法SAFT：通过对抗梯度显著性识别鲁棒性关键参数，仅更新约5%的参数进行对抗训练，其余参数冻结。论文已被NeurIPS 2026接收。 论文称，实验显示SAFT在干净样本与鲁棒准确率上均优于LoRA类方法，鲁棒性接近或超过全参数对抗训练，同时缓解大模型的内存开销与干净-鲁棒精度权衡。
AI 根据报道生成 · 59 分钟前更新
最新进展10月31日 12:00
SAFT：稀疏微调实现参数高效对抗训练报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AISAFT：稀疏微调实现参数高效对抗训练
SAFT（Sparse Adversarial Fine-Tuning）方法通过对抗梯度显著性识别鲁棒性关键参数（RCPs），仅更新约 5% 的参数进行对抗训练。实验显示，SAFT 在干净样本与鲁棒准确率上均优于 LoRA 类方法，鲁棒性接近或超过全参数对抗训练，同时缓解了大模型的内存开销与干净-鲁棒精度权衡。该论文已被 NeurIPS 2026 接收。
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。