新研究：交错噪声注入提升模型鲁棒性
serrjoa · x · 2026-07-18
一篇新论文指出，在模型优化过程中采用交错噪声注入（Interleaving noise injection）技术，不仅能提升模型应对数据损坏和分布偏移的鲁棒性，还出人意料地提高了干净数据的准确率。这是以往其他课程学习策略中未曾观察到的现象。
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11