Buchumschlag

Annealing Self-Distillation Rectification Improves Adversarial Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Yu-Yu, Wang, Hung-Jui, Chen, Shang-Tse
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedSDR: Federated Self-Distillation with Rectification
von: Ren, Ziheng, et al.
Veröffentlicht: (2026)

Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization
von: Li, Yu, et al.
Veröffentlicht: (2026)

Mode-Dependent Rectification for Stable PPO Training
von: Mohamad, Mohamad, et al.
Veröffentlicht: (2026)

Adversarial Robustness Overestimation and Instability in TRADES
von: Li, Jonathan Weiping, et al.
Veröffentlicht: (2024)

A Rectification-Based Approach for Distilling Boosted Trees into Decision Trees
von: Audemard, Gilles, et al.
Veröffentlicht: (2025)

Rethinking the Intermediate Features in Adversarial Attacks: Misleading Robotic Models via Adversarial Distillation
von: Zhao, Ke, et al.
Veröffentlicht: (2024)

Improving the Transferability of Adversarial Examples by Inverse Knowledge Distillation
von: Wu, Wenyuan, et al.
Veröffentlicht: (2025)

Regret-Guided Search Control for Efficient Learning in AlphaZero
von: Tsai, Yun-Jui, et al.
Veröffentlicht: (2026)

HealSplit: Towards Self-Healing through Adversarial Distillation in Split Federated Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2025)

Toward Student-Oriented Teacher Network Training For Knowledge Distillation
von: Dong, Chengyu, et al.
Veröffentlicht: (2022)

Scaling and Transferability of Annealing Strategies in Large Language Model Training
von: Wang, Siqi, et al.
Veröffentlicht: (2025)

Online Adversarial Knowledge Distillation for Graph Neural Networks
von: Wang, Can, et al.
Veröffentlicht: (2021)

Contrastive ECOC: Learning Output Codes for Adversarial Defense
von: Chou, Che-Yu, et al.
Veröffentlicht: (2025)

Geometric Manifold Rectification for Imbalanced Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

TAET: Two-Stage Adversarial Equalization Training on Long-Tailed Distributions
von: YuHang, Wang, et al.
Veröffentlicht: (2025)

Alignment-Based Adversarial Training (ABAT) for Improving the Robustness and Accuracy of EEG-Based BCIs
von: Chen, Xiaoqing, et al.
Veröffentlicht: (2024)

Jailbreaking with Universal Multi-Prompts
von: Hsu, Yu-Ling, et al.
Veröffentlicht: (2025)

When and Why Adversarial Training Improves PINNs: A Neural Tangent Kernel Perspective
von: Cao, Yuan-dong, et al.
Veröffentlicht: (2026)

Ignition Phase : Standard Training for Fast Adversarial Robustness
von: Yu-Hang, Wang, et al.
Veröffentlicht: (2025)

SPAR: Support-Preserving Action Rectification
von: Zhao, Jiaxin, et al.
Veröffentlicht: (2026)

Preference-Based Self-Distillation: Beyond KL Matching via Reward Regularization
von: Yu, Xin, et al.
Veröffentlicht: (2026)

Data-Driven Lipschitz Continuity: A Cost-Effective Approach to Improve Adversarial Robustness
von: Chen, Erh-Chung, et al.
Veröffentlicht: (2024)

Explanation-Guided Adversarial Training for Robust and Interpretable Models
von: Chen, Chao, et al.
Veröffentlicht: (2026)

Conflict-Aware Adversarial Training
von: Xue, Zhiyu, et al.
Veröffentlicht: (2024)

Diffusion-Reward Adversarial Imitation Learning
von: Lai, Chun-Mao, et al.
Veröffentlicht: (2024)

Understanding Gradient Boosting Classifier: Training, Prediction, and the Role of $γ_j$
von: Chen, Hung-Hsuan
Veröffentlicht: (2024)

Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection
von: Hu, Wen-Chao, et al.
Veröffentlicht: (2024)

FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation
von: Yang, Yingguang, et al.
Veröffentlicht: (2026)

Learning Critically: Selective Self Distillation in Federated Learning on Non-IID Data
von: He, Yuting, et al.
Veröffentlicht: (2025)

Adversarial Training for Robust Coverage Network under Worst-case Facility Losses
von: Miao, Changhao, et al.
Veröffentlicht: (2026)

Rethinking Invariance Regularization in Adversarial Training to Improve Robustness-Accuracy Trade-off
von: Waseda, Futa, et al.
Veröffentlicht: (2024)

Adversarial Training: A Survey
von: Zhao, Mengnan, et al.
Veröffentlicht: (2024)

Pre-Training Graph Contrastive Masked Autoencoders are Strong Distillers for EEG
von: Wei, Xinxu, et al.
Veröffentlicht: (2024)

Band Together: Untargeted Adversarial Training with Multimodal Coordination against Evasion-based Promotion Attacks
von: Xian, Guanmeng, et al.
Veröffentlicht: (2026)

PACED: Distillation and On-Policy Self-Distillation at the Frontier of Student Competence
von: Xu, Yuanda, et al.
Veröffentlicht: (2026)

Understanding the Training and Generalization of Pretrained Transformer for Sequential Decision Making
von: Wang, Hanzhao, et al.
Veröffentlicht: (2024)

Federated Nested Learning: Collaborative Training of Self-Referential Memories for Test-Time Adaptation
von: Chen, Hong, et al.
Veröffentlicht: (2026)

Adversarial Training for Process Reward Models
von: Juneja, Gurusha, et al.
Veröffentlicht: (2025)

Evaluating Game Difficulty in Tetris Block Puzzle
von: Wang, Chun-Jui, et al.
Veröffentlicht: (2026)

Self-Trained Verification for Training- and Test-Time Self-Improvement
von: Wu, Chen Henry, et al.
Veröffentlicht: (2026)