计算机科学 > 计算与语言
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.