BriefGPT - AI 论文速递 · 2023-08-21T00:00:00Z 当数量越少越好：基于正样本和未标记样本的漏洞检测学习模型 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了一种新的鲁棒性正例与未标记学习方法，通过训练策略改善标签不确定性的影响并提高学习的准确性和稳定性。该方法利用一种新颖的“困难度”度量来区分未标记样本，并通过迭代式训练策略在训练过程中选择负例样本，从而在训练的早期阶段包含更多“易样本”。 🏷️ 标签 准确性 标签不确定性 漏洞 稳定性 训练策略 鲁棒性正例与未标记学习方法 阅读原文 生成长图 分享链接 已复制链接
