热点事件持续更新

C-EDL 论文更新为 ICLR 2026 发表版

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Charmaine Barker、Daniel Bethell 和 Simos Gerasimou 将论文更新为 ICLR 2026 发表版本，并修改了标题，新标题为《Robust Adversarial Quantification via Conflict-Aware Evidential Deep Learning》。论文提出的 C-EDL 是一种轻量级事后不确定性量化方法，通过为每个输入生成多样化的任务保持变换并量化表征分歧，在不重新训练的情况下提升对抗与 OOD 鲁棒性。作者称，实验显示该方法在多种数据集、攻击类型和不确定性指标上显著优于 SOTA EDL 变体及竞争基线，OOD 数据覆盖率降低最高约 55%，对抗数据降低最高约 90%，同时保持高分布内准确率和低计算开销。

AI 根据报道生成 · 1 小时前更新

最新进展10月5日 12:00

C-EDL：基于冲突感知证据深度学习实现鲁棒对抗量化

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv：cs.LG
C-EDL：基于冲突感知证据深度学习实现鲁棒对抗量化
C-EDL 是一种轻量级事后不确定性量化方法，通过为每个输入生成多样化的任务保持变换并量化表征分歧，在不重新训练的情况下提升对抗与 OOD 鲁棒性。实验显示，该方法在多种数据集、攻击类型和不确定性指标上显著优于 SOTA EDL 变体及竞争基线，OOD 数据覆盖率降低最高约 55%，对抗数据降低最高约 90%，同时保持高分布内准确率和低计算开销。

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。