Improving robustness of jet tagging algorithms with adversarial training: exploring the loss surface
Este artículo demuestra que el entrenamiento adversarial mejora la robustez de los algoritmos de etiquetado de sabor de chorros basados en aprendizaje profundo frente a distorsiones de entrada, que actúan como un proxy de las incertidumbres sistemáticas, aprovechando conocimientos geométricos de la superficie de pérdida para mantener un alto rendimiento mientras se mitigan las vulnerabilidades del modelo.