Eigen-Value: 基于特征值的高效领域鲁棒数据定价
机器学习
2026-04-08 v3 人工智能
摘要
数据定价已成为数据中心 AI 时代的核心问题。它驱动高效的训练管道，使数据市场能够通过为每个数据点分配数值来实现客观定价。大多数现有数据定价方法通过评估单个数据点移除后模型验证性能变化来估计其影响，这些方法针对的是分布内 (ID) 设置，而非分布外 (OOD) 场景，其中数据遵循不同模式。由于 ID 和 OOD 数据的行为不同，基于 ID 损失的数据定价方法往往难以在 OOD 场景下推广，特别是当验证集不包含 OOD 数据时。尽管存在 OOD 感知方法，但其计算成本高昂，阻碍了实际部署。为解决上述问题，我们引入了 \emph{Eigen-Value} (EV)，这是一个用于 OOD 鲁棒性的数据定价框架，仅使用 ID 数据子集（包括验证期间），即可实现。EV 提供了一种新的谱逼近，用于衡量域间差异，即 ID 与 OOD 之间损失差距，这种差异通过 ID 数据协方差矩阵特征值的比率来衡量。EV 随后通过扰动理论估计每个数据点对该差异的边际贡献，从而减轻计算负担。随后，EV 可无缝集成到 ID 损失基础方法中，通过添加 EV 项而无需额外训练循环。我们展示了 EV 在实际数据集上实现了改进的 OOD 鲁棒性和稳定的价值排序，同时保持计算轻量。这些结果表明，EV 在大规模设置下具有实际可行性，为 OOD 鲁棒数据定价提供了高效路径。
引用
@article{arxiv.2510.23409,
title = {Eigen-Value: Efficient Domain-Robust Data Valuation via Eigenvalue-Based Approach},
author = {Youngjun Choi and Joonseong Kang and Sungjun Lim and Kyungwoo Song},
journal= {arXiv preprint arXiv:2510.23409},
year = {2026}
}