Small Data, Big Noise: Adversarial Training for Robust Parameter-Efficient Fine-Tuning

En 3 lignesSDBN combine l'entraînement adversarial avec PEFT pour améliorer la robustesse des modèles sur données limitées. Deux variantes utilisent des ensembles d'incertitude discrets : SDBN-h énumère les édits au niveau caractère, SDBN-p génère des variantes par LLM. Gains substantiels en ressources réduites et sous corruptions.

Résumé généré par Claude — vérifié par l'humain