BriefGPT - AI 论文速递
·
基于有界莱文斯坦距离的认证鲁棒性
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出LipsLev方法，旨在提高文本分类器在对抗性扰动下的鲁棒性。该方法计算卷积分类器的Lipschitz常数，在AG-News数据集上实现了38.80%的验证准确率，并提升了速度达4个数量级。
🎯
关键要点
- 本研究提出LipsLev方法，旨在提高文本分类器在对抗性扰动下的鲁棒性。
- LipsLev方法计算卷积分类器相对于莱文斯坦距离的Lipschitz常数。
- 在AG-News数据集上，LipsLev方法实现了38.80%的验证准确率。
- LipsLev方法在1和2距离下的验证准确率分别为38.80%和13.93%。
- 该方法的速度提升达4个数量级，为文本领域的高效验证开辟了新方向。
🏷️
标签
➡️
