SMiLE：在神经网络中强制实现全局关系属性
机器学习
2025-11-11 v1 人工智能
最优化与控制
摘要
人工智能系统正日益部署在需要确保鲁棒性、公平性或特定领域属性以满足监管合规和与人类价值观一致的场景中。然而，尤其是在神经网络上，属性强制implementation非常具有挑战性，现有方法仅限于特定约束或局部属性（围绕数据点定义），或未能提供完整保证。我们通过扩展SMiLE框架——一种最近提出的用于NN的强制框架——来支持在整个输入空间上定义的全局关系属性。该方法在模型复杂度方面表现良好，能够容纳通用属性和各种网络结构，并提供完整的满足保证。我们在单调性、全局鲁棒性和个体公平性方面对SMiLE进行评估，分别在合成数据和真实数据上进行回归和分类任务。我们的做法在准确率和运行时间方面与基于属性的基线方法相当，在通用性和保证水平方面严格优于后者。总体而言，我们的结果强调了SMiLE框架作为未来研究和应用平台的潜力。
引用
@article{arxiv.2511.07208,
title = {SMiLE: Provably Enforcing Global Relational Properties in Neural Networks},
author = {Matteo Francobaldi and Michele Lombardi and Andrea Lodi},
journal= {arXiv preprint arXiv:2511.07208},
year = {2025}
}