Buchumschlag

Scalable Energy-Based Models via Adversarial Training: Unifying Discrimination and Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Xuwang, Zhang, Claire, Steele, Julie, Shavit, Nir, Wang, Tony T.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Interpret Weight Differences in Language Models
von: Goel, Avichal, et al.
Veröffentlicht: (2025)

Forbidden Facts: An Investigation of Competing Objectives in Llama-2
von: Wang, Tony T., et al.
Veröffentlicht: (2023)

Budgeted Broadcast: An Activity-Dependent Pruning Rule for Neural Network Efficiency
von: Meirovitch, Yaron, et al.
Veröffentlicht: (2025)

Wasserstein Distances, Neuronal Entanglement, and Sparsity
von: Sawmya, Shashata, et al.
Veröffentlicht: (2024)

Discriminative Adversarial Unlearning
von: Sharma, Rohan, et al.
Veröffentlicht: (2024)

Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models
von: Major, Noam, et al.
Veröffentlicht: (2026)

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

Energy Matching: Unifying Flow Matching and Energy-Based Models for Generative Modeling
von: Balcerak, Michal, et al.
Veröffentlicht: (2025)

A Unified Framework for Locality in Scalable MARL
von: Chakraborty, Sourav, et al.
Veröffentlicht: (2026)

Continual Domain Adversarial Adaptation via Double-Head Discriminators
von: Shen, Yan, et al.
Veröffentlicht: (2024)

Precipitation Nowcasting Using Physics Informed Discriminator Generative Models
von: Yin, Junzhe, et al.
Veröffentlicht: (2024)

Enhancing Adversarial Training via Reweighting Optimization Trajectory
von: Huang, Tianjin, et al.
Veröffentlicht: (2023)

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

Generative Adversarial Model-Based Optimization via Source Critic Regularization
von: Yao, Michael S., et al.
Veröffentlicht: (2024)

Out-of-Variable Generalization for Discriminative Models
von: Guo, Siyuan, et al.
Veröffentlicht: (2023)

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

Benign Overfitting in Adversarial Training for Vision Transformers
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

Enhancing Stability in Training Conditional Generative Adversarial Networks via Selective Data Matching
von: Kong, Kyeongbo, et al.
Veröffentlicht: (2021)

MoGU: Mixture-of-Gaussians with Uncertainty-based Gating for Time Series Forecasting
von: Aviv, Gilad, et al.
Veröffentlicht: (2025)

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

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

Unifying Adversarial Perturbation for Graph Neural Networks
von: Yang, Jinluan, et al.
Veröffentlicht: (2025)

Rethinking Evaluation Paradigms in IBP-based Certified Training
von: Kaulen, Konstantin, et al.
Veröffentlicht: (2026)

Adversarial Instance Generation and Robust Training for Neural Combinatorial Optimization with Multiple Objectives
von: Liu, Wei, et al.
Veröffentlicht: (2026)

Scalable Production Scheduling: Linear Complexity via Unified Homogeneous Graphs
von: Hoss, Jonathan, et al.
Veröffentlicht: (2026)

Adversarial Training via Adaptive Knowledge Amalgamation of an Ensemble of Teachers
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

SPRINT: Scalable Policy Pre-Training via Language Instruction Relabeling
von: Zhang, Jesse, et al.
Veröffentlicht: (2023)

HAPO: Training Language Models to Reason Concisely via History-Aware Policy Optimization
von: Huang, Chengyu, et al.
Veröffentlicht: (2025)

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

Unveiling the Backdoor Mechanism Hidden Behind Catastrophic Overfitting in Fast Adversarial Training
von: Zhao, Mengnan, et al.
Veröffentlicht: (2026)

FedProphet: Memory-Efficient Federated Adversarial Training via Robust and Consistent Cascade Learning
von: Tang, Minxue, et al.
Veröffentlicht: (2024)

Enhancing NLP Robustness and Generalization through LLM-Generated Contrast Sets: A Scalable Framework for Systematic Evaluation and Adversarial Training
von: Lin, Hender
Veröffentlicht: (2025)

GWT: Scalable Optimizer State Compression for Large Language Model Training
von: Wen, Ziqing, et al.
Veröffentlicht: (2025)

Fast-Slow Co-advancing Optimizer: Toward Harmonious Adversarial Training of GAN
von: Wang, Lin, et al.
Veröffentlicht: (2025)

LLMs as Scalable, General-Purpose Simulators For Evolving Digital Agent Training
von: Wang, Yiming, et al.
Veröffentlicht: (2025)

Verification of the Implicit World Model in a Generative Model via Adversarial Sequences
von: Balogh, András, et al.
Veröffentlicht: (2026)

Jailbreak Defense in a Narrow Domain: Limitations of Existing Methods and a New Transcript-Classifier Approach
von: Wang, Tony T., et al.
Veröffentlicht: (2024)

Revisiting the Relationship between Adversarial and Clean Training: Why Clean Training Can Make Adversarial Training Better
von: Zhou, MingWei, et al.
Veröffentlicht: (2025)

DLGAN : Time Series Synthesis Based on Dual-Layer Generative Adversarial Networks
von: Hou, Xuan, et al.
Veröffentlicht: (2025)

Muon is Scalable for LLM Training
von: Liu, Jingyuan, et al.
Veröffentlicht: (2025)