Badacze przeprowadzili systematyczną ocenę efektywności przyspieszania opartego na szablonach w procesie weryfikacji robustności sieci neuronowych. Chociaż wcześniejsze prace wykazały, że udostępnianie dowodów poprzez ponowne użycie stanów abstrakcyjnych z warstw pośrednich może przyspieszać niekompletne techniki weryfikacji, jej skuteczność pozostawała słabo zbadana na wielu architekturach i scenariuszach.
Studium wykazało, że wskaźnik subsumpcji szablonów gwałtownie się zmienia między różnymi konfiguracjami. Naukowcy wprowadzili nową metrykę zwanych wspólnie stabilnymi neuronami, która wyjaśnia tę zmienność i identyfikuje przypadki, gdzie przyspieszenie oparte na szablonach jest mało prawdopodobne. To odkrycie jest kluczowe dla zrozumienia ograniczeń tego podejścia w praktycznych zastosowaniach, zwłaszcza w domenach krytycznych takich jak systemy autonomiczne czy medycyna.
Jako rozwiązanie zespół zaprezentował FastCert - nowatorską technikę automatycznie dystrybuującą szablony między warstwy sieci neuronowej. Algorytm unika wykorzystania szablonów, gdy analiza wskazuje, że nie przyniosą przyspieszenia. W badaniach na dużym zbiorze zadań weryfikacji L0 opartych na pokryciu projektów FastCert osiągnął średnie przyspieszenie 1,13x w stosunku do istniejących technik opartych na szablonach, co potwierdza praktyczną wartość proponowanego podejścia.