跳到正文
10月13日 · 周二

全部论文

找到 3篇
筛选4
同一类里任选其一,不同类之间同时满足;数字是加上其他已选条件后的篇数。另有 201篇还没打标签,不在筛选结果里。

另有201篇论文还没打上分类标签,暂不在筛选结果里。

  1. 论文揭示 BatchNorm 架构下机器遗忘评测的归一化伪影

    诊断 BatchNorm 架构下机器遗忘评测的归一化伪影

    发表
    被测模型
    ResNet-18、ResNet-50、ViT-S/16 等4个
    摘要一次不改权重的 BN 重校准能翻转多数方法的表面遗忘,但不改变权重里的编码器泄露。

    BN illusion 是作者对近似机器遗忘评测中一种 BatchNorm 测量伪影的命名:不改权重、只用 retain 数据重算运行统计,就可以把表面遗忘准确率翻过来。

    深度解读完整解读
  2. 评测与基准arXiv 2607.24177

    EXE-Bench:为真实可用性对 AI Windows 恶意软件检测器进行权衡排名

    提出 EXE-Bench 比较 Windows 恶意软件检测器的可用性权衡

    发表
    被测模型
    EmberGBDT、BBDnn、BBDnnFDRS 等15个
    摘要统一四指标后,手工特征的 EmberGBDT 综合居首,只看准确率会误导部署。

    EXE-Bench 用同一设置给 AI Windows 恶意软件检测器做四指标排序,而不是只比一次测试集准确率。。

    深度解读完整解读
  3. 评测与基准arXiv 2602.14161

    当基准说谎:在真实分布偏移下评估恶意提示分类器

    提出 LODO 评测恶意提示探针的跨数据集泛化

    发表
    被测模型
    Llama-3.1-8B-Instruct、Gemma-3-27B、Qwen-3.5-4B 等5个
    摘要作者称 LODO 露出 CV 高估,数据集身份与安全方向部分重叠,标准域泛化干预关不上。

    LODO 用来检查恶意提示词分类器换成没见过的数据集后,还剩多少检测能力。。

    深度解读完整解读
已经到底了