#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 dépôts au total
Détection sémantique conjointe et contrôle de la dissémination des attaques de phishing sur les réseaux sociaux par modélisation basée sur LLama
Une bibliothèque pour expérimenter, entraîner et évaluer des réseaux de neurones, avec un accent sur la robustesse adversariale.
RobustBench: une référence normalisée pour la robustesse contradictoire [Piste Benchmarks et Jeux de Données NeurIPS 2021]
Les articles sont organisés selon notre étude : Evaluating Large Language Models: A Comprehensive Survey.
Code relatif à "Évaluation fiable de la robustesse contradictoire avec un ensemble d'attaques diverses sans paramètre"
Le dépôt officiel du document, LLMs-as-Judges : Une enquête complète sur les méthodes d'évaluation basées sur les LLM.
Foire aux questions
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
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.
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.