大型语言模型的非空泛化界

本文研究了基于Lipschitz界限的量子机器学习中的对抗鲁棒性和泛化性质，导出了适用于具有可训练编码的量子模型的定制参数相关的Lipschitz界限，并展示了数据编码的范数对于抵抗输入数据扰动的鲁棒性具有关键影响。通过数值结果的验证，我们展示了Lipschitz界限的规范化显著提高了量子模型的鲁棒性和泛化能力。