arXiv stat.ML· Andi Zhang, Xingyu Zhao, Siddartha Khastgir·· 2026-10-01AI 评分34
概率对抗训练
Probabilistic Adversarial Training
AI 导读
研究者提出概率对抗训练方法，从概率视角通过拉大基于距离的分布与分类器诱导分布的间距来降低重叠，从而提升概率鲁棒性（PR）。该研究证明基于 KL 散度的目标构成了 PR 的可计算下界，并在理论上恢复出一种带缩放因子的对抗训练形式。实验表明该方法持续改善 PR，且其缩放因子还能直接增强非概率对抗训练方法的鲁棒性。
来源：arXiv stat.ML · arxiv.org