论文官方一手
对抗攻击神经网络策略
精选理由
了解对抗攻击有助于提升模型鲁棒性和安全性，是AI部署前必做的风险评估。
本文探讨了针对神经网络策略的对抗攻击方法，展示了对强化学习模型进行微小的输入扰动就能显著改变其行为。这些攻击揭示了当前模型在鲁棒性方面的脆弱性，对AI安全研究具有重要意义。
继续读
同标签或同类目的最近条目
OpenAI 公布 300 多项 AI 求解数学成果，密码学家担忧威胁现有加密体系
OpenAI 一次发布 300 多个 AI 解出的数学结果，把密码学家吓到了——如果 AI 真能啃动数论难题，我们的支付和聊天加密可能受威胁。
AMD 在 PyTorchCon 展示 LLaDA-8B 扩散语言模型 NPU 端侧推理
AMD 把扩散语言模型 LLaDA-8B 跑进了 NPU，比 CPU INT4 快 1.67 倍、省电 8.9 倍，做端侧推理的可以看看他们的量化与图切分细节。
Anthropic 员工调查：59% 称 AI 将部分任务耗时缩短至四分之一
Anthropic 自己员工的说法：六成人说 AI 已经把合适任务的活儿干得只用原来四分之一时间，还预测五年后七成五工时交给 AI。
