Adversarially Robust Generalization Just Requires More Unlabeled Data

Esta pesquisa sugere que a generalização robusta adversarialmente em modelos de IA pode ser alcançada principalmente através do uso de mais dados não rotulados. O estudo implica que uma maior disponibilidade de dados, e não apenas mudanças arquitetônicas complexas, pode ser fundamental para construir modelos mais resilientes e generalizáveis.