机器学习鲁棒性的测度几何理论

新研究提出了机器学习鲁棒性的基础测度几何理论，将鲁棒性形式化为脱离保留任务状态的几何逃逸现象。该理论在统一框架下区分了参考流形上逃逸的结构可能性与环境实现机制，并引入逃逸几何的中观组织。框架通过显式定律表征脆弱质量、有限尺度形态与分支相干性等关联现象，为超越标量指标的分析提供了结构基础。