研究人员开发了一种名为定向影响函数（DIF）的新方法，用于准确估计单个训练数据点对机器学习模型的影响，特别是在约束学习场景中。与传统影响函数不同，DIF 明确考虑了训练过程中施加的约束，例如公平性或安全性要求。新方法已在公平性约束的 CNN 和约束线性回归等任务上得到验证，证明了其在预测模型性能变化和与重新训练结果高度一致方面的有效性。 AI
影响 为理解模型行为和识别复杂、受约束学习系统中的有影响力的数据点提供了更可靠的工具。
排序理由 介绍新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2607.23388v1 Announce Type: cross Abstract: As constrained learning becomes increasingly common, models are trained under explicit feasibility requirements to enforce fairness, safety, robustness, regulariza- tion, and physics or logic constraints. Understanding how trainin…