标签
本文提出了Robust-TO，一个智能视频理解框架，它整合了每帧的可信度来解决盲信任问题，在真实扰动下实现了显著的精度提升。
本文提出方向锐度这一新指标，用于认证机器学习模型的泛化性能。该指标计算高效，且比测试准确率或传统锐度等现有近似指标更可靠，即便训练过程偏离预定程序也是如此。
本文评估了表格基础模型在微生物组数据中受生物学启发的分布偏移下的鲁棒性，发现保护判别特征不足以保证稳定性，且零填充是最有害的扰动。
介绍了PHANTOM，一个大规模的开源预生成对抗攻击数据集，用于视觉语言模型，涵盖1010个高级类别和55个有害意图子类别，共47,524个对抗样本。该数据集旨在降低对抗研究的门槛，并支持对VLM鲁棒性和安全性的系统评估。
本文识别并分析了LLM求解器循环中的“叙述差距”，即当LLM向用户叙述结果时，形式化求解器输出的可靠性会受到损害。实证研究表明，提示注入可以反转已验证的结论，并且在自适应攻击下缓解措施仍不完整。
本文介绍了RPCL，一种仅用于训练阶段的鲁棒配对置信度学习框架，用于多模态情感-原因配对提取。该框架改进了黄金配对与困难负例之间的判别性分离，并在三个数据集上的Pair F1和AUPRC指标上取得了显著提升。
本文研究基于LLM的指标以评估放射学报告生成中的临床意义，识别现有LLM评估器中的判别偏差，并提出训练轻量级可解释指标以改善错误检测与无害变异容忍之间的平衡。
本文介绍了TS-Fault，这是一个用于评估时间序列预测模型在结构化故障场景（如依赖关系断裂和机制变化）下的基准测试。研究发现，干净数据上的准确性通常与鲁棒性呈负相关，且基础模型特别脆弱。
Veriphi 是一个 GPU 加速的神经网络验证系统，结合了对抗攻击与形式化认证。它表明训练方法（标准、对抗、认证）的有效性高度依赖于数据集的复杂度：在简单的 MNIST 上，IBP 占主导，而在复杂的 CIFAR-10 上，PGD 占主导，并实现了 5 倍验证加速。
提出了一种提示扰动框架，该框架生成扰动的提示变体，通过图级一致性检查过滤掉结构不一致的比较模式，然后应用标准排名方法产生更可靠的LLM排名。
本文识别了学习动力学模型中的'时间信用稀释'现象，其中全局读出关注的是虚假相关性而非短暂的物理事件。它提出了CREST，一种无需训练的方法，通过事件核心估计重新锚定池化表示，提高了分布外鲁棒性。
RepSelect提出了一种稳健的LLM遗忘方法，通过压缩权重梯度的前主成分来隔离遗忘集特定的表示，在多种模型家族上相比现有基线实现了4-50倍更好的对抗重学习攻击的鲁棒性。
本文批评了通过复制表面行为来逆向工程 Fable 5 的尝试，转而介绍了 Hephaestus Stormbreaker——一个针对编码智能体的鲁棒性控制层，它强制进行范围锁定、证据循环、回归测试和关卡检查，以防止智能体漂移和过早退出。
提出CoCoGEC，一种反事实生成框架，通过改变GEC训练数据中与错误无关的上下文来提升模型鲁棒性，在扰动基准上取得了显著的F0.5提升。
本文评估了在全局和局部扰动下，Lean 4中证明自动形式化模型的鲁棒性，发现当前基于LLM的模型对扰动敏感，且常常无法忠实地反映局部变化。
GRAPE是一种训练框架，在对抗训练过程中逐步暴露参数空间，与CIFAR-10上的固定结构方法相比，能够以更少的参数实现更高的鲁棒精度。
介绍ChLogic，这是一个英汉对齐的基准测试，用于检验大型语言模型在不同语言间是否保持逻辑推理性能，揭示了持续存在的差距，这些差距受到表面实现和翻译痕迹的影响。
本文重新分析了一项先前声称低AI素养预测更高AI接受度的研究，发现总体负相关关系掩盖了异质性：对于文本AI工具该效应不显著，但对于非文本AI工具仍然很强，表明是一种更窄的广泛采用模式，而非普遍接受。
本文探讨大型语言模型在不同部署环境中是否具有稳定的偏好，发现环境变化引起的差异远大于提示扰动，表明测得的偏好是环境条件决定的而非固定属性。