研究人员开发了一种新的影响函数对偶表示，可以有效地估计模型参数和输出的变化。该方法随数据集大小而不是模型大小进行扩展，为传统影响函数评估不可行的模型提供了优势。然而，该方法目前仅限于可线性化的模型，并且需要大量的矩阵物化。 AI
影响 引入了一种更有效的方法来分析模型行为，可能有助于调试和理解大规模机器学习模型。
排序理由 该集群包含一篇详细介绍机器学习新研究方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
影响函数的新对偶表示提高了效率
报道来源 [2]
-
将核技巧扩展到影响函数
arXiv:2605.11239v1 Announce Type: cross Abstract: In this paper, we present a dual representation of the influence functions, whose computational complexity scales with dataset size rather than model size. Both analytically and experimentally, we show that this representation can…
-
将核技巧扩展到影响函数
In this paper, we present a dual representation of the influence functions, whose computational complexity scales with dataset size rather than model size. Both analytically and experimentally, we show that this representation can be an efficient alternative to the original influ…