热点事件持续更新
SAGE：少量已核验样本清洗投毒训练数据
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究 SAGE，针对数据投毒防御中大量已核验干净样本成本过高的问题，提出仅依赖少量经专家核验的干净与投毒样本的方法：先在独立数据集上训练通用特征提取器，再用非参数、相似度加权的预测标记投毒样本。在针对七种 clean-label 攻击方法的标准基准上，即使只有少量已核验投毒样本也能带来显著优势；研究还发现，已核验干净样本在各类别间的分布比其数量更重要。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
SAGE 提出仅用少量已核验样本即可清洗投毒训练数据，并在七种 clean-label 攻击基准上验证。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）SAGE：基于相似度、利用少量已核验样本清洗被投毒训练数据
针对数据投毒防御中大量已核验干净样本成本过高的问题，研究者提出 SAGE，仅依赖少量经专家核验的干净与投毒样本，在独立数据集上训练通用特征提取器，再用非参数、相似度加权的预测标记投毒样本。在针对七种 clean-label 攻击方法的标准基准上，即使只有少量已核验投毒样本也能带来显著优势，且已核验干净样本在各类别间的分布比其数量更重要。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。