ExGrad对抗训练方法提出

发生了什么

据arXiv cs.LG报道，研究人员提出ExGrad对抗训练方法，通过显式干净梯度减法在多个数据集上提升模型鲁棒性。该方法构建干净输入、对抗输入和对抗权重扰动梯度，虚拟步测量其边距响应，并选择系数。实验显示，负干净系数在CIFAR-10上迅速占主导，幅度随半径增加。在CIFAR-100和ImageNet-100上，ExGrad在R=0.8时提升多个鲁棒性指标。