Locking Pretrained Weights via Deep Low-Rank Residual Distillation
Apple Machine Learning Research505 字 (约 3 分钟)
85
苹果提出DLR-Lock方法，通过低秩残差网络锁定预训练权重，使模型在保持能力的同时抵御攻击。
入选理由：DLR-Lock利用前向-后向传播的内存不对称性，使反向传播内存随深度线性增长
精选文章#机器学习#模型保护#低秩网络#苹果研究英文
概念
低秩残差网络
别名：DLR-Net
参数量与原MLP相当的深度低秩结构
已跟踪 1 条高相关材料
TraeAI 观察
最近变化
2026-08-06 · DLR-Lock利用前向-后向传播的内存不对称性，使反向传播内存随深度线性增长
为什么值得关注
低秩残差网络 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
低秩网络机器学习模型保护苹果研究
相关材料
已收录 1 条与 低秩残差网络 相关的内容，按评分排序。