标签
论文提出了 GoldiMask，一种用于扩散语言模型监督微调的方法：它通过次模优化选择上下文词元，并根据上下文的贡献对预测目标进行加权，从而在多个骨干模型上提升了推理与代码生成基准测试的准确率。
本文研究了在相似性级别扰动下，通过DR-submodular优化对连续数据摘要的对抗攻击，提出将多目标攻击生成视为最小-最大问题，将鲁棒防御视为正则化最大-最小问题，并提供了理论保证和实验验证。