同一研究推文线程：11 个生成器序列实验设计详解
mundt_martin · x · 2026-10-25
作者 mundtmartin 的推文线程第 2 条，补充预印本实验设计：按发布顺序排列 11 个 deepfake 数据集（FaceForensics++ 2019 到 Stable Diffusion 2023 假脸），检测器依次持续训练，对比六大类持续学习方法，每步之后测量 4 项公平性指标。
与主帖介绍同一篇论文《Time to Fake It》，核心结论一致：持续学习在保持准确率的同时加剧年龄、性别与肤色维度的不公平。
所属事件:研究：持续学习保住深伪检测准确率却加剧不公平(5 条相关)→
「研究」频道最新
- 算力无穷能否精确模拟生物?AI 圈争论实验的必要性 — cjmaddison · 2026-10-26
- 研究:主流 LLM 集体偏爱日本,SFT 是偏见源头 — alex_verem · 2026-10-26
- Top-b 采样法:用香农熵动态调采样范围,GSM8K 方差降近 10 倍 — cneuralnetwork · 2026-10-26
- MathDB 上线:面向 AI 辅助数学研究的开放论文与评论平台 — lpachter · 2026-10-26
- EMNLP 论文:LLM 生成的 Web 应用仅 11.7% 通过行为契约基准 — algo_diver · 2026-10-26
- Claude 无人干预跑53小时,8个量子难题7个胜过人类设计 — FinanceYF5 · 2026-10-26