Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.00066v2

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.00066v2 (cs)
[提交于 2024年12月29日 (v1) ,最后修订 2025年6月7日 (此版本, v2)]

标题: 在迁移学习中的语言模型的对抗性鲁棒性

标题: On Adversarial Robustness of Language Models in Transfer Learning

Authors:Bohdan Turbal, Anastasiia Mazur, Jiaxu Zhao, Mykola Pechenizkiy
摘要: 我们研究了大型语言模型(LLMs)在迁移学习场景下的对抗鲁棒性。通过在多个数据集(MBIB仇恨言论、MBIB政治偏见、MBIB性别偏见)和多种模型架构(BERT、RoBERTa、GPT-2、Gemma、Phi)上的综合实验,我们揭示出虽然迁移学习能够提升标准性能指标,但往往会导致对抗攻击的脆弱性增加。我们的研究表明,更大的模型在这方面的表现更具韧性,这表明模型大小、架构以及适应方法之间存在复杂的相互作用。我们的工作强调了在迁移学习场景下考虑对抗鲁棒性的必要性,并提供了在不影响性能的情况下保持模型安全性的见解。这些发现对于实际应用中LLMs的开发和部署具有重要意义,在这些应用中,性能和鲁棒性同样至关重要。
摘要: We investigate the adversarial robustness of LLMs in transfer learning scenarios. Through comprehensive experiments on multiple datasets (MBIB Hate Speech, MBIB Political Bias, MBIB Gender Bias) and various model architectures (BERT, RoBERTa, GPT-2, Gemma, Phi), we reveal that transfer learning, while improving standard performance metrics, often leads to increased vulnerability to adversarial attacks. Our findings demonstrate that larger models exhibit greater resilience to this phenomenon, suggesting a complex interplay between model size, architecture, and adaptation methods. Our work highlights the crucial need for considering adversarial robustness in transfer learning scenarios and provides insights into maintaining model security without compromising performance. These findings have significant implications for the development and deployment of LLMs in real-world applications where both performance and robustness are paramount.
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 密码学与安全 (cs.CR); 机器学习 (cs.LG)
引用方式: arXiv:2501.00066 [cs.CL]
  (或者 arXiv:2501.00066v2 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.00066
通过 DataCite 发表的 arXiv DOI
期刊参考: Socially Responsible Language Modelling Research (SoLaR) Workshop at NeurIPS 2024

提交历史

来自: Bohdan Turbal [查看电子邮件]
[v1] 星期日, 2024 年 12 月 29 日 15:55:35 UTC (1,438 KB)
[v2] 星期六, 2025 年 6 月 7 日 11:27:26 UTC (275 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.CR
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号