مدلهای قدرتمندی مثل CLIP که دنیای بینایی-زبانی را متحول کردهاند، هنوز در برابر «حملات تقابلی» (Adversarial Attacks) آسیبپذیرند. حالا محققان روشی نوآورانه به نام «CAW» (وزندهی آگاهانه به اطمینان) معرفی کردهاند که به این مدلها کمک میکند در برابر دستکاریهای عمدیِ دادهها، بسیار مقاومتر عمل کنند.
این روش با تمرکز بر نمونههای غیرقابلاعتماد و حفظ ثبات ویژگیهای بصری، نه تنها دقت مدل را در شرایط عادی افزایش میدهد، بلکه آن را در برابر حملات پیچیده (مانند AutoAttack) به یک سد محکم تبدیل میکند. گامی مهم برای ایمنتر کردن دنیای هوش مصنوعی! 🦾
منبع: arXiv Computer Vision