研究人员开发了SurrogateSHAP，一个新颖的框架，旨在高效地归因文本到图像模型中数据贡献者的贡献。该方法通过利用预训练模型的推理，避免了为每个数据子集重新训练模型的计算密集型过程。SurrogateSHAP采用梯度提升树来近似效用函数并解析推导出Shapley值，显著降低了计算开销，同时识别了有影响力的数据源。该框架已在图像质量、美学和产品多样性等各种任务中得到验证，并有望用于审计安全关键的生成模型。 AI
影响 为数据贡献者定价和审计生成模型提供了一种可扩展的方法，可能影响数据市场和模型安全。
排序理由 这是一篇详细介绍生成模型中归因新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →