#adversarial-robustness Repository
Scopri 8 repository GitHub open source attivi contrassegnati con #adversarial-robustness, che raccolgono un totale di 6,080 stelle (con una media di 760 stelle per progetto). Il progetto leader di questo argomento è wang-rui/phishguard-scaffold, con 1,012 stelle.
8 repository in totale
Rilevamento semantico congiunto e controllo della diffusione degli attacchi di phishing sui social media tramite modellazione basata su LLama
Una libreria per sperimentare, addestrare e valutare reti neurali, con un focus sulla robustezza avversariale.
RobustBench: un benchmark standardizzato per la robustezza avversaria [Traccia Benchmarks e Dataset NeurIPS 2021]
Gli articoli sono organizzati secondo la nostra indagine: Evaluating Large Language Models: A Comprehensive Survey.
Codice relativo a "Valutazione affidabile della robustezza avversaria con un ensemble di diversi attacchi senza parametri"
Il repository ufficiale per l'articolo, LLMs-as-Judges: Una survey completa sui metodi di valutazione basati su LLM.
Apprendimento automatico robusto per un'intelligenza artificiale responsabile
Domande frequenti
Qual è il repository #adversarial-robustness più popolare su GitHub?
Il progetto open source #adversarial-robustness più alto in classifica su GitHub è wang-rui/phishguard-scaffold, con 1,012 stelle. Rilevamento semantico congiunto e controllo della diffusione degli attacchi di phishing sui social media tramite modellazione basata su LLama
Quali linguaggi di programmazione sono più utilizzati nei repository #adversarial-robustness?
Tra i progetti #adversarial-robustness più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #adversarial-robustness?
Monitoriamo 8 repository open source attivi contrassegnati con #adversarial-robustness (500+ stelle), per un totale di 6,080 stelle e una media di 760 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.