零样本学习中的对抗鲁棒性：关于类别和概念级漏洞的实证研究Research#Zero-shot🔬 Research|分析: 2026年1月10日 09:01•发布: 2025年12月21日 08:55•1分で読める•ArXiv分析这篇ArXiv文章探讨了零样本学习模型在对抗攻击下的鲁棒性，这是确保模型可靠性和安全性的关键领域。 这项实证研究可能为这些模型的漏洞和潜在的缓解策略提供有价值的见解。关键要点•确定零样本学习模型在对抗攻击下的漏洞。•调查攻击在类别和概念层面的影响。•可能为提高零样本学习系统的鲁棒性提供见解。引用 / 来源查看原文"The study focuses on vulnerabilities at the class and concept levels."AArXiv2025年12月21日 08:55* 根据版权法第32条进行合法引用。较旧Swin Transformer Boosts SMWI Reconstruction Speed较新AI Learns Equation of State from Relativistic Quantum Calculations相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv