研究者提出SAFT稀疏对抗微调方法，被NeurIPS 2026接收
热点事件持续更新
研究者提出SAFT稀疏对抗微调方法，被NeurIPS 2026接收
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Zhaozin Wang 等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，其余参数冻结。该工作已被 NeurIPS 2026 接收。 据论文报告，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。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 14:27
SAFT：基于稀疏微调的参数高效对抗训练方法报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AISAFT：基于稀疏微调的参数高效对抗训练方法
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。
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。