Noticias sobre RL-FAT
1 artículos relacionados
RL-FAT: Aprendizaje por refuerzo para un entrenamiento adversario justo
RL-FAT: Reinforcement Learning for Fair Adversarial Training
AI InsightEste artículo propone RL-FAT, que introduce un gradiente de política de aprendizaje por refuerzo en el entrenamiento adversario para optimizar la solidez y la equidad de cada categoría. En comparación con los métodos anteriores que solo buscaban una robustez promedio, RL-FAT introduce una optimización explícita de la equidad entre categorías, que es una señal incremental para que la investigación de robustez adversa cambie del "rendimiento promedio" al "equilibrio de distribución".Importancia 60/100