Ripensare i paradigmi di valutazione nella formazione certificata basata su IBP

Un nuovo articolo arXiv (2606.02134) mette in discussione la valutazione convenzionale dei metodi di formazione certificata per la robustezza delle reti neurali. Gli autori sostengono che riportare una singola configurazione di iperparametri, che controllano il compromesso tra accuratezza naturale e certificata, può fuorviare le conclusioni e impedire valutazioni imparziali. Propongono di valutare i metodi tramite confronti di fronti di Pareto sul compromesso accuratezza naturale-certificata, consentendo confronti equi e agnostici rispetto al metodo. Per raggiungere questo obiettivo, eseguono un'ottimizzazione automatica multi-obiettivo degli iperparametri. L'articolo affronta il costo computazionale della verifica delle reti neurali, che fornisce rigorose garanzie di robustezza ma è costosa, concentrandosi sulle tecniche di formazione certificata che ottimizzano la robustezza verificabile durante l'addestramento. Il lavoro è rilevante per il settore delle tecnologie AI, in particolare nel contesto della robustezza avversaria nell'apprendimento profondo.