00:00 / 00:20
连播
清屏
智能
倍速
点赞NaN
00:00 / 00:43
连播
清屏
智能
倍速
点赞1
Qiuming3天前
主动注入标签噪声何以成为提升模型泛化的“密钥”? 主动注入标签噪声何以成为提升模型泛化的“密钥”? 在AAAI 2026上发表的一项突破性研究,挑战了“纯净数据是AI训练关键”的传统认知。研究表明,在训练过程中主动为数据标签添加噪声,非但不会损害模型,反而能显著提升其泛化能力。 上海交通大学的研究团队通过分析使用“标签噪声SGD”算法训练的两层线性网络的学习动力学,揭开了这一反直觉现象背后的奥秘。该算法将随机梯度下降与主动以一定概率随机翻转部分训练标签相结合。 理论核心揭示了一个双阶段进化路径: 跳出“惰性”舒适区: 标签噪声会引起第二层神经元的持续震荡,进而驱动第一层神经元权重的范数(大小)逐步衰减。这一过程迫使整个网络摆脱权重几乎不变化的无效“惰性学习状态”,进入更具探索性的“丰富学习状态”。 对齐与稀疏化: 进入丰富状态后,神经元权重快速向优化目标方向对齐。模型最终收敛到一个稀疏解,即只有部分权重较大的神经元成为核心贡献者,效果不佳的神经元被自然筛选淘汰。这种稀疏性被确定为提升泛化能力的关键。 在ResNet-18和CIFAR-10数据集上的实验显示,模型测试准确率平均提升了1.5%。此外,该机制即使在SAM(锐度感知最小化)等其他优化器上也表现有效,表明了其广泛的适用性。 这项工作为噪声鲁棒性学习奠定了理论基础,并为在实践中提升模型泛化能力提供了新颖而简洁的思路。未来研究方向包括将框架拓展至非线性网络和更广泛的分类任务。 https://openreview.net/pdf?id=KfsMlrl81a https://github.com/a-usually/Label-Noise-SGD
00:00 / 03:01
连播
清屏
智能
倍速
点赞0
听说了吗?微软向FBI提供用户密钥! #软件测评 #第三方软件测试 #安全测试 #验收测试 #CNAS 186205668972026年1月,《福布斯》等媒体曝光了一起引发全球隐私领域震动的事件:微软在2025年初接到美国联邦调查局(FBI)的搜查令后,首次有记录地向执法部门交出了用户的BitLocker加密恢复密钥,协助解锁三台涉案笔记本电脑。这一行为打破了微软此前对用户加密数据的保护立场,迅速掀起关于科技公司隐私责任与执法配合边界的激烈讨论。 事件的关键矛盾点在于BitLocker的默认设置机制。作为微软内置的驱动器加密系统,BitLocker可加密硬盘全部数据,仅密钥持有者能解码,其设计初衷是保护用户数据安全。但为方便用户遗忘密码时解锁设备,Windows系统(尤其是Win11)默认会将恢复密钥备份至微软云端,这一“便民功能”实则为执法部门调取密钥留下了通道。 更值得关注的是,微软云端存储的BitLocker密钥未采用“零知识架构”——即微软自身可直接访问密钥原文,而非像苹果、Meta等企业那样对云端密钥再进行加密处理,确保自身无法解锁。苹果的FileVault、Meta的WhatsApp等加密系统即便支持云端备份,也通过技术设计让企业无法向执法部门提供可用密钥,形成了鲜明对比。 针对普通用户,安全专家给出了明确应对建议:一是立即登录微软账户设备管理页面,检查是否有设备密钥备份至云端,如有可选择删除;二是在设置或调整BitLocker时,关闭云端备份功能,将密钥保存至本地U盘、硬盘或打印存档,妥善保管物理介质;三是警惕系统默认设置的隐私风险,主动了解加密功能的密钥管理逻辑,优先选择可自主掌控密钥的加密方式。
00:00 / 01:51
连播
清屏
智能
倍速
点赞4
00:00 / 01:56
连播
清屏
智能
倍速
点赞7