对抗训练神经网络显著图稀疏性获理论解释

2026年10月9日，arXiv 机器学习理论板块发布论文（一手），针对对抗训练神经网络梯度显著性图呈现稀疏性的经验现象，为两层 ReLU 网络给出理论解释。研究基于对抗训练等价于带权重衰减惩罚与对抗全变差项的经验风险最小化这一等价关系，证明在数据点与神经元数量增长、正则化参数按适当速率趋零时，极小化解收敛到具有最小梯度范数与 Barron 范数的 Bayes 分类器。目前报道仅涉及该理论结果，未见实验验证或后续讨论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。