研究提出基于Ising求解器的神经网络鲁棒性验证框架

Wenxin Li等作者提出一个与Ising求解器兼容的框架，用于在有界输入扰动下对神经网络做形式化鲁棒性验证。其Log-PW模型把每个神经元的二进制变量从O(κ)降到O(⌈log₂κ⌉)，在MNIST上二进制决策自旋数减半。 作者称，基于Helly的割可将验证速度提升至13.41倍，主问题查询减少87.6%。这些加速数据来自该研究的实验报告，尚待独立复现。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。