本研究提出了一种新颖的词级对抗策略QA-Attack，通过同义词替换来误导问答模型，显著提高了对抗攻击的成功率。

该文介绍了一种用于自监督对比学习的方法，包括识别和消除false negative、对抗策略以及对该方法的评估。该方法在ImageNet数据集上取得了一定成果，在无标签数据集下可以以40%的精度正确识别false negative，并在有1%标签数据下实现了5.8%的top-1准确率的绝对改进。