对抗迁移性研究：从分布视角理解和提升

这篇论文研究了对抗迁移性问题，该问题指的是模型在一个数据集上表现良好，但在另一个数据集上表现较差的情况。论文从分布的角度分析了对抗迁移性的原因，并提出了一种称为'混合层'的新方法来提高模型的抗迁移性。

论文中包含以下内容：

• 对抗样本的生成和评估
• 不同数据集之间的分布差异分析
• 如何使用混合层来提高抗迁移性
• 实验结果，证明了混合层的有效性

这篇论文为理解和解决对抗迁移性问题提供了新思路，是一篇关于对抗迁移性的有趣研究。