本研究提出了一种高效的任务分组框架，旨在解决多任务学习中的负迁移问题。通过样本优化分析任务相似度，并采用图形聚类算法，计算速度提高了五倍，同时保持了性能的一致性，展现了其高效性和有效性。

本研究提出了一种名为Sonic的数据中毒攻击方法，针对聚类算法。Sonic通过增量和可扩展的聚类算法，提高了对图形和基于密度的聚类方法的中毒攻击的效率和可转移性。实验证明了Sonic的效果和效率。