从点到联盟：用于数据样本优先排序的分层对比沙普利值

当数据集庞大、异构且具有几何结构时，我们应如何量化每个训练样本的价值？经典的数据沙普利值在原则上提供了答案，但其 $O(n!)$ 的复杂度和逐点视角不适合现代规模。我们提出了分层对比数据估值（HCDV），这是一个三阶段框架：（i）学习一个对比的、保持几何结构的表示，（ii）将数据组织成一个平衡的从粗到细的聚类层次结构，以及（iii）通过局部蒙特卡洛博弈为联盟分配沙普利式收益，其预算向下传播。HCDV将阶乘负担降低到 $O(T \sum_{l} K_{l}) = O(T K_{\max} \log n)$，奖励那些锐化决策边界的样本，并通过基于曲率的平滑性正则化异常值。我们证明HCDV近似满足沙普利四条公理，剩余损失为 $O(\eta \log n)$，享有次高斯联盟偏差 $\tilde{O}(1/\sqrt{T})$，并且对于top-k选择最多产生 $k \epsilon_{\infty}$ 的遗憾。在四个基准测试（表格、视觉、流式和一个4500万样本的CTR任务）以及OpenDataVal套件上的实验表明，HCDV将准确率提升了高达5个百分点，将估值时间削减了高达100倍，并直接支持诸如增强过滤、低延迟流式更新和公平市场支付等任务。