Git Stars Git Stars

#adversarial-robustness Dépôts

Découvrez 8 dépôts GitHub open source actifs associés à #adversarial-robustness, cumulant 6,080 étoiles au total (soit une moyenne de 760 étoiles par projet). Le projet en tête de ce thème est wang-rui/phishguard-scaffold, avec 1,012 étoiles.

8
Total des Dépôts
6,080
Nombre total d'étoiles
760
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook
1
wang-rui/phishguard-scaffold

Détection sémantique conjointe et contrôle de la dissémination des attaques de phishing sur les réseaux sociaux par modélisation basée sur LLama

wang-rui
⭐ 1,012 Python 👤 wang-rui User 🕐 Mis à jour 2026-02-15 📅 Créé 2025-09-08
2
MadryLab/robustness

Une bibliothèque pour expérimenter, entraîner et évaluer des réseaux de neurones, avec un accent sur la robustesse adversariale.

MadryLab
⭐ 946 Jupyter Notebook 👤 MadryLab Organization 🕐 Mis à jour 2024-01-11 📅 Créé 2019-08-21
3
RobustBench/robustbench

RobustBench: une référence normalisée pour la robustesse contradictoire [Piste Benchmarks et Jeux de Données NeurIPS 2021]

RobustBench
⭐ 792 Python 👤 RobustBench Organization 🕐 Mis à jour 2026-04-14 📅 Créé 2020-06-19
4
tjunlp-lab/Awesome-LLMs-Evaluation-Papers

Les articles sont organisés selon notre étude : Evaluating Large Language Models: A Comprehensive Survey.

tjunlp-lab
⭐ 791 👤 tjunlp-lab User 🕐 Mis à jour 2024-05-08 📅 Créé 2023-10-29
5
fra31/auto-attack

Code relatif à "Évaluation fiable de la robustesse contradictoire avec un ensemble d'attaques diverses sans paramètre"

fra31
⭐ 733 Python 👤 fra31 User 🕐 Mis à jour 2024-05-16 📅 Créé 2020-02-17
7
CSHaitao/Awesome-LLMs-as-Judges

Le dépôt officiel du document, LLMs-as-Judges : Une enquête complète sur les méthodes d'évaluation basées sur les LLM.

CSHaitao
⭐ 600 👤 CSHaitao User 🕐 Mis à jour 2025-07-29 📅 Créé 2024-11-10
8
microsoft/robustlearn

Apprentissage automatique robuste pour une IA responsable

microsoft
⭐ 506 Python 👤 microsoft Organization 🕐 Mis à jour 2024-07-12 📅 Créé 2022-10-20

Foire aux questions

1

Quel est le dépôt #adversarial-robustness le plus populaire sur GitHub ?

Le projet #adversarial-robustness open source le mieux classé sur GitHub est wang-rui/phishguard-scaffold, avec 1,012 étoiles. Détection sémantique conjointe et contrôle de la dissémination des attaques de phishing sur les réseaux sociaux par modélisation basée sur LLama

2

Quels langages de programmation sont les plus utilisés dans les dépôts #adversarial-robustness ?

Parmi les projets #adversarial-robustness les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.

3

Comment le classement des dépôts #adversarial-robustness est-il calculé ?

Nous suivons 8 dépôts open source actifs associés à #adversarial-robustness (500+ étoiles), totalisant 6,080 étoiles, avec une moyenne de 760 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.