深度学习模型修复：一项综合研究

这篇论文意义重大，因为它对各种深度学习模型修复方法进行了全面的实证评估。了解这些技术的有效性和局限性至关重要，尤其考虑到关键应用中对 DL 的日益依赖。该研究不仅关注修复有效性，还关注鲁棒性、公平性等多个属性，这一点特别有价值，因为它突出了不同方法的潜在权衡和副作用。

• •提供了对 16 种 DL 模型修复方法的大规模实证研究。
• •评估修复有效性、鲁棒性、公平性和向后兼容性。
• •强调了不同修复方法之间的权衡。
• •模型级方法显示出更好的修复效果。
• •没有单一方法在所有属性上都是最优的。