待验证50% 置信基准精确时间
与基于PGD的对抗训练相比，该方法在PGD攻击下的鲁棒准确率相对提升至少20.58%，在干净样本上的分类准确率相对提升10.20%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
已验证在同一复现实验中，ResNet-20测试准确率为90.4%，ResNet-56测试准确率为91.7%，训练准确率分别为97.4%和99.0%70% 相似已验证在CIFAR-10上训练40个epoch的复现实验中，plain-56的训练准确率为84.0%，plain-20的训练准确率为95.1%，尽管plain-56参数量（853,018）约为plain-20（269,722）的三倍70% 相似待验证在仅使用20%、40%、80%训练数据的缩减实验中，性能增益稳定存在，证实了该方法在低资源场景下的可靠性。70% 相似待验证训练中保留集 FID 从 33.7 降到 27.0，FD-DINOv2 从 570 降到 218，基于检测器的物体准确率从 65% 提升到 90%69% 相似待验证论文实验显示，CausalCoT 在保持有竞争力的预测性能的同时，中间推理步骤的因果敏感度相比最强基线平均提升 12 个百分点，最高提升 21 个百分点。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102177API
curl https://kongchang.com/api/v1/knowledge/claims/1102177MCP
get_claim(id=1102177)