Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Robust Machine Learning via Principled Defenses against Adversaries and Distribution Shifts
Proyek riset & pengembangan

CAREER: Robust Machine Learning via Principled Defenses against Adversaries and Distribution Shifts

Ringkasan tujuan riset

Ketangguhan model mesin diteliti melalui fine-tuning yang menjaga generalisasi, koreksi mandiri model bahasa, dan hierarki kepercayaan antarsubsistem agen.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2442716Periode tercatat 2025-08-01 sampai 2030-07-31.NSF 2442716MulaiAkhir tercatat202520312025-08-012030-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Model teoritis sederhana diselingi eksperimen nyata untuk menelaah sumber kerapuhan. Fine-tuning menekan forgetting lintas domain, sementara pertahanan bahasa memeriksa konsistensi panduan keselamatan pada skenario adversarial. Untuk agen otonom, titik lemah dan batas kepercayaan dimodelkan agar jaminan dapat ditelaah pada sistem gabungan, dengan validasi sistematis sebagai sasaran melampaui patch heuristik.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Carnegie Mellon University
Program
Robust Intelligence
Periode pendanaan tercatat
2025-08-01 → 2030-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.