Buchumschlag

Towards the Resistance of Neural Network Watermarking to Fine-tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tang, Ling, Chen, Yuefeng, Xue, Hui, Zhang, Quanshi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Layerwise Change of Knowledge in Neural Networks
von: Cheng, Xu, et al.
Veröffentlicht: (2024)

Does a Neural Network Really Encode Symbolic Concepts?
von: Li, Mingjie, et al.
Veröffentlicht: (2023)

Towards the Dynamics of a DNN Learning Symbolic Interactions
von: Ren, Qihan, et al.
Veröffentlicht: (2024)

Revisiting Generalization Power of a DNN in Terms of Symbolic Interactions
von: Cheng, Lei, et al.
Veröffentlicht: (2025)

Quantifying In-Context Reasoning Effects and Memorization Effects in LLMs
von: Lou, Siyu, et al.
Veröffentlicht: (2024)

Technical Report: Quantifying and Analyzing the Generalization Power of a DNN
von: He, Yuxuan, et al.
Veröffentlicht: (2025)

Randomness of Low-Layer Parameters Determines Confusing Samples in Terms of Interaction Representations of a DNN
von: Zhang, Junpeng, et al.
Veröffentlicht: (2025)

Towards Attributions of Input Variables in a Coalition
von: Zheng, Xinhao, et al.
Veröffentlicht: (2023)

Match & Choose: Model Selection Framework for Fine-tuning Text-to-Image Diffusion Models
von: Lewandowski, Basile, et al.
Veröffentlicht: (2025)

Efficient Model Editing with Task-Localized Sparse Fine-tuning
von: Iurada, Leonardo, et al.
Veröffentlicht: (2025)

DePT: Decomposed Prompt Tuning for Parameter-Efficient Fine-tuning
von: Shi, Zhengxiang, et al.
Veröffentlicht: (2023)

Technical Note: Defining and Quantifying AND-OR Interactions for Faithful and Concise Explanation of DNNs
von: Li, Mingjie, et al.
Veröffentlicht: (2023)

Evaluating the Correctness of Inference Patterns Used by LLMs for Judgment
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Adaptive Random Feature Regularization on Fine-tuning Deep Neural Networks
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2024)

LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention
von: Zhang, Renrui, et al.
Veröffentlicht: (2023)

SLCA++: Unleash the Power of Sequential Fine-tuning for Continual Learning with Pre-training
von: Zhang, Gengwei, et al.
Veröffentlicht: (2024)

Exploring Diffusion Models' Corruption Stage in Few-Shot Fine-tuning and Mitigating with Bayesian Neural Networks
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2024)

Defining and Extracting generalizable interaction primitives from DNNs
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Fine-tuning Quantized Neural Networks with Zeroth-order Optimization
von: Shang, Sifeng, et al.
Veröffentlicht: (2025)

Transformers are Stateless Differentiable Neural Computers
von: Tang, Bo, et al.
Veröffentlicht: (2026)

Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning
von: Lyu, Mengyao, et al.
Veröffentlicht: (2025)

Two-Phase Dynamics of Interactions Explains the Starting Point of a DNN Learning Over-Fitted Features
von: Zhang, Junpeng, et al.
Veröffentlicht: (2024)

Cyclic Vision-Language Manipulator: Towards Reliable and Fine-Grained Image Interpretation for Automated Report Generation
von: Fang, Yingying, et al.
Veröffentlicht: (2024)

Where We Have Arrived in Proving the Emergence of Sparse Symbolic Concepts in AI Models
von: Ren, Qihan, et al.
Veröffentlicht: (2023)

What explains the success of cross-modal fine-tuning with ORCA?
von: García-de-Herreros, Paloma, et al.
Veröffentlicht: (2024)

Disentangling Regional Primitives for Image Generation
von: Chen, Zhengting, et al.
Veröffentlicht: (2024)

Maximizing Asynchronicity in Event-based Neural Networks
von: Hao, Haiqing, et al.
Veröffentlicht: (2025)

A Primal-Dual Framework for Transformers and Neural Networks
von: Nguyen, Tan M., et al.
Veröffentlicht: (2024)

Pre-Trained Model Recommendation for Downstream Fine-tuning
von: Bai, Jiameng, et al.
Veröffentlicht: (2024)

Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation
von: Yuan, Huizhuo, et al.
Veröffentlicht: (2024)

Towards Understanding Camera Motions in Any Video
von: Lin, Zhiqiu, et al.
Veröffentlicht: (2025)

How LoRA Remembers? A Parametric Memory Law for LLM Finetuning
von: Xu, Ziwen, et al.
Veröffentlicht: (2026)

Preserving Pre-trained Representation Space: On Effectiveness of Prefix-tuning for Large Multi-modal Models
von: Kim, Donghoon, et al.
Veröffentlicht: (2024)

TULIP: Towards Unified Language-Image Pretraining
von: Tang, Zineng, et al.
Veröffentlicht: (2025)

TemporalBench: Benchmarking Fine-grained Temporal Understanding for Multimodal Video Models
von: Cai, Mu, et al.
Veröffentlicht: (2024)

Watermark-based Attribution of AI-Generated Content
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2024)

Zooming without Zooming: Region-to-Image Distillation for Fine-Grained Multimodal Perception
von: Wei, Lai, et al.
Veröffentlicht: (2026)

HuatuoGPT-Vision, Towards Injecting Medical Visual Knowledge into Multimodal LLMs at Scale
von: Chen, Junying, et al.
Veröffentlicht: (2024)

VCM: Vision Concept Modeling Based on Implicit Contrastive Learning with Vision-Language Instruction Fine-Tuning
von: Luo, Run, et al.
Veröffentlicht: (2025)

Towards Visual Text Grounding of Multimodal Large Language Model
von: Li, Ming, et al.
Veröffentlicht: (2025)