学习为训练数据归因分配参数权重
机器学习
2026-02-23 v4 计算机视觉与模式识别
摘要
我们研究基于梯度的数据归因问题，旨在识别哪些训练样本最影响给定输出。现有方法要么将网络参数统一处理，要么依赖于来自Hessian近似的隐式加权，这些方法并未完全建模网络参数的功能异构性。为此，我们提出了一种方法，直接从数据中学习参数重要性权重，而无需标记标签。我们的 approach 在包括图像分类、语言建模和扩散模型在内的各种任务中提高了归因准确性，并支持对概念如主体和风格的细粒度归因。
引用
@article{arxiv.2506.05647,
title = {Learning to Weight Parameters for Training Data Attribution},
author = {Shuangqi Li and Hieu Le and Jingyi Xu and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2506.05647},
year = {2026}
}
备注
31 pages