arXiv · cs.AI· Zhaoxin Wang·· 1 天前AI 评分24
SAFT：基于稀疏微调的参数高效对抗训练方法
Sparse Fine-Tuning for Parameter-Efficient Adversarial Training
来源与原文
arXiv · cs.AI
作者：Zhaoxin Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39455v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者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（RCPs），仅更新约 5% 的参数进行对抗训练。在多种架构和数据集上，SAFT 在干净与鲁棒准确率上均优于基于 LoRA 的方法，鲁棒性接近或超过全参数对抗训练。该工作已被 NeurIPS 2026 接收。
来源：arXiv · cs.AI · arxiv.org