GRAPE: Guided Parameter-Space Evolution for Compact Adversarial Robustness

En 3 lignesGRAPE propose une méthode d'entraînement adversarial qui expose progressivement les paramètres du réseau plutôt que d'optimiser un espace fixe. Sur CIFAR-10 en ℓ∞, GRAPE améliore la précision robuste PGD-20 de ResNet-18 de 51,70% à 56,94% avec 21,4% moins de paramètres et budget de calcul quasi identique (1,009x FLOPs).

Résumé généré par Claude — vérifié par l'humain