論文の概要: RLGPA: A Reinforcement Learning-Guided Granularity Planning Attack for Decision-Based Sparse Adversarial Examples
- arxiv url: http://arxiv.org/abs/2611.07512v1
- Date: Thu, 05 Nov 2026 06:19:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.565361
- Title: RLGPA: A Reinforcement Learning-Guided Granularity Planning Attack for Decision-Based Sparse Adversarial Examples
- Title（参考訳）: RLGPA: 決定に基づくスパース対応事例のための強化学習誘導粒度計画攻撃
- Abstract要約: RLGPAは、ハードクエリ予算の下で、サポート削減エグゼクタをスケジュールするオンライン強化学習手法である。
実行可能性を保存する実行者は、敵の復元のみをコミットし、サポートゲインとクエリコストをプランナーに返送する。
状態ブラインドと状態シャッフルコントロールは大幅に低下し、学習したポリシーが攻撃状態を使用することを確認した。
- 参考スコア（独自算出の注目度）: 3.6564458410929563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Decision-based sparse attacks must reduce perturbation support using only the victim's predicted label. The best restoration strategy varies as support contracts: coarse removal works early, while tail states need finer, history-aware tests. We propose RLGPA, an online reinforcement learning method that schedules support-reduction executors and their granularity under a hard query budget. A masked Dueling Double DQN selects among seven stable policy--scale actions; each action produces support-relative restoration groups that are rebuilt after every macro decision. A feasibility-preserving executor commits only adversarial restorations and feeds support gain and query cost back to the planner. Under the matched top-1-label oracle, RLGPA reaches 61\% targeted ASR at sparsity 0.01 on CIFAR-10 (vs. 25\% SparseEvo, 0\% Pointwise), and 75.5\%/73.0\% on ResNet50/ViT at sparsity 0.005 (vs. 29.0\%/15.5\%). A fixed-probe test reduces median \(L_0\) from 165 to 23 after 40 images without any update. State-blind and state-shuffled controls degrade significantly, confirming that the learned policy uses attack state; the main gains come from state-conditioned executor scheduling and dynamic repartition. The source code is publicly available at https://github.com/Acui001/RLGPA.git.
- Abstract（参考訳）: 決定に基づくスパース攻撃は、被害者の予測ラベルのみを使用した摂動支援を減らさなければならない。
一番の回復戦略はサポート契約によって異なり、粗い除去は早期に行われ、尾翼州はより微細で履歴に配慮したテストが必要である。
本稿では,支援還元作業者とその粒度をハードクエリ予算下でスケジュールするオンライン強化学習手法であるRCGPAを提案する。
マスク付きデュエルダブルDQNは7つの安定なポリシー-スケールアクションの中から選択され、各アクションはマクロ決定のたびに再構築されるサポート相対的な復元グループを生成する。
実行可能性を保存する実行者は、敵の復元のみをコミットし、サポートゲインとクエリコストをプランナーに返送する。
一致したトップ1ラベルのオラクルの下では、RCGPAはCIFAR-10(vs)で61%のターゲットASRに到達した。
25\% SparseEvo, 0\% Pointwise), 75.5\%/73.0\% on ResNet50/ViT at sparsity 0.005 (vs。
29.0\%/15.5\%)。
固定プローブテストは、40枚の画像を更新することなく、中央値の \(L_0\) を 165 から 23 に減少させる。
状態ブラインドと状態シャッフルコントロールは大幅に低下し、学習されたポリシーが攻撃状態を使用することを確認した。
ソースコードはhttps://github.com/Acui001/RLGPA.gitで公開されている。
関連論文リスト
- HarnessMM: Recursive Self-Improvement for Harness Token Efficiency [49.460099832360875]
エージェントは、以前の呼び出しですでに次のアクションが修正されている場合でも、ツールフィードバックの後に推論を繰り返し実行します。
本稿ではハーネスMM(Harness Minus Minus)を提案する。
論文 参考訳（メタデータ） (2026-10-23T15:47:47Z) - Variance-Optimal State Resampling for Reinforcement Learning with Verifiable Rewards [29.011786143431845]
VSR(Variance-driven State Resampling)は,プレフィックス再生バッファとゼロコスト分散プロキシを用いたGRPOのプラグイン修正である。
VSRはGRPOとGiGPOをほとんどのベンチマークで上回り、更新毎に生成されるトークンは少ない。
論文 参考訳（メタデータ） (2026-10-11T20:09:24Z) - Future Anchored Verification and Online Recovery for World Action Models [50.72957480806238]
世界アクションモデル(WAM)は、ロボット操作のための有望なパラダイムとして登場した。
我々は、WAMが行動する前に予測した未来が、通過する意図のある状態を正確に表現しているのを観察する。
予測フレームをアンカーとして保持し,検証とリカバリに使用する軽量フレームワークであるFAVORを紹介する。
論文 参考訳（メタデータ） (2026-10-05T13:08:58Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - RoRA: Role-Oriented Regional Allocation for Visual Token Pruning in MLLMs [50.93650157115467]
本稿では,ロール指向の地域的エビデンスアロケーションとして視覚トークンプルーニングをキャストする,トレーニングフリーのフレームワークであるRoRAを紹介する。
整合した予算の下では、RoRAはLLaVAやQwen-VLファミリで、トレーニングなしの強力なベースラインを一貫して上回っている。
66.7%のプルーニング比で、RoRAはトークンの選択に0.7msしか必要とせず、エンドツーエンドの推論時間を24.6%削減する。
論文 参考訳（メタデータ） (2026-08-07T10:39:47Z) - Fixed-Set Robustness in Programming by Example: Example Corruption and Semantic Partition Recovery [2.054408744752205]
本稿では,異なる障害モード,つまり合成器を目にした相手が,復帰プログラムを最も損なうような事例を選択することについて検討する。
我々は,有限 PBE バージョン空間の最悪ケースを固定セットし,厳密なバウンドプールを実装し,文字列変換 DSL の汚職検索を行った。
論文 参考訳（メタデータ） (2026-07-01T07:38:35Z) - AEGIS: A Backup Reflex for Physical AI [0.0]
AEGISは、弱い政策の凍結活性化に対する軽量プローブを用いて高リスクステップを検出する選択的エスカレーション手法である。
プローブがステップをフラグすると、コントロールはより強力な分離ポリシーに切り替わるが、必要なステップのみに限られる。
LIBERO-Spatialでは、AIGISは10.1%のトラジェクトリを回復し、弱い政策だけでは負け、予算に適合したブラインドエスカレーションは4.6%、ランダムトリガーのプラセボは5.1%である。
論文 参考訳（メタデータ） (2026-06-04T19:09:22Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳（メタデータ） (2026-03-10T04:07:39Z) - TARG: Training-Free Adaptive Retrieval Gating for Efficient RAG [46.122203287541005]
トレーニングフリーのAdaptive Retrieval Gating (TARG) は、ベースモデルからの短い非遅延ドラフトのみを使用していつ取得するかを決定する、単発のポリシーである。
NQ-Open、TriviaQA、PopQAでは、TARGは一貫して精度と効率のフロンティアをシフトさせる。
論文 参考訳（メタデータ） (2025-11-12T23:09:52Z) - Verifiably Robust Conformal Prediction [1.391198481393699]
本稿では、ニューラルネットワーク検証手法を利用して、敵攻撃時のカバレッジ保証を回復する新しいフレームワークであるVRCP(Verifiably Robust Conformal Prediction)を紹介する。
私たちのメソッドは、回帰タスクだけでなく、$ell1$, $ell2$, $ellinfty$といった任意のノルムで束縛された摂動をサポートする最初の方法です。
いずれの場合も、VRCPは名目上の範囲を達成し、SotAよりもはるかに効率的で情報的な予測領域が得られる。
論文 参考訳（メタデータ） (2024-05-29T09:50:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。