概念Local Conditional Fit / 局部条件拟合
LoFIT
一种针对扩散模型的成员推理方法,通过量化去噪损失沿归一化条件预测偏移方向的初始响应来区分训练样本与非训练样本,无需模型梯度,仅依赖前向查询。
时间轴 (近 90 天)
11月3日
LoFIT(Local Conditional Fit)量化去噪损失沿归一化预测偏移的初始响应,并在多个文本条件和扩散状态上聚合,无需目标模型梯度,仅需对去噪器进行前向查询。
待验证50%
11月3日
LoFIT在四个数据集上的评估显示,在微调模型和预训练模型上都实现了更好的成员区分度。
待验证50%
11月3日
在微调早期,LoFIT就能区分成员,而朴素的去噪损失基线仍接近随机水平。
待验证50%
11月3日
LoFIT在黑盒设置下表现优于现有方法,且不需要访问模型内部梯度。
待验证50%
11月3日
LoFIT目前仅在四个数据集上验证,且主要针对文本到图像扩散模型,未来可探索更多模态(如视频扩散)和更大规模模型。
待验证50%