TL;DR
- چکیده:.
- Training Data Attribution (TDA) به دنبال ردیابی پیشبینیهای مدل به نمونههای آموزشی تأثیرگذار است و قابلیت تفسیر و.
- ایمنی را افزایش میدهد.
چه اتفاقی افتاد
چکیده:. Training Data Attribution (TDA) به دنبال ردیابی پیشبینیهای مدل به نمونههای آموزشی تأثیرگذار است و قابلیت تفسیر و.
ایمنی را افزایش میدهد. ما TDA را بهعنوان یک مسئله تئوری اطلاعات بیزی فرموله میکنیم:.
زیرمجموعهها با از دست دادن اطلاعاتی که القا میکنند امتیازدهی میشوند - در هنگام حذف. آنتروپی در یک پرس و جو افزایش مییابد.
این معیار به جای نویز برچسب،. نمونههایی را برای حل عدم قطعیت پیش بینی کننده اعتبار میدهد.
برای مقیاسبندی به شبکههای مدرن،. از دست دادن اطلاعات را با استفاده از یک جایگزین فرآیند گاوسی که از ویژگیهای مماس ساخته شده.
است،. تقریبی میکنیم.
ما نشان میدهیم که با نمرات تأثیر کلاسیک برای اسناد تک مثالی مطابقت دارد و در عین حال. تنوع را برای زیرمجموعهها ترویج میکنیم.
برای بازیابی حتی در مقیاس بزرگتر،. ما به یک هدف به دست آوردن اطلاعات استراحت میدهیم و یک تصحیح واریانس را برای انتساب.
مقیاس پذیر در پایگاههای داده برداری اضافه میکنیم. آزمایشها عملکرد رقابتی را بر خلاف واقع نشان میدهند حساسیت،.
بازیابی حقیقت زمین و انتخاب هسته مرکزی،. نشان میدهد که روش ما به معماریهای مدرن مقیاس میرسد و در عین حال اقدامات اصولی را با.
تمرین پل میکند. پذیرفته شده در بیست و نهمین کنفرانس بین المللی هوش مصنوعی و آمار (AISTATS 2026) یادگیری ماشین (cs.
LG)؛ یادگیری ماشینی (stat. ML) استناد بهعنوان: (یا v1 [cs.
LG] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Dharmesh Tailor [مشاهده ایمیل] [v1] شنبه،. 4 آوریل 2026،.
20:. 42:.
05 UTC (1,. 769 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.