MAGIC：深度学习的近最优数据归因
机器学习
2025-04-24 v1 计算与语言
计算机视觉与模式识别
机器学习
摘要
预测数据归因的目标是估计给定训练数据集的添加或移除将对模型预测产生何种影响。在凸设置中，这一目标是直接可达的（即通过无限小 jackknife）。然而，在大规模（非凸）设置中，现有方法的成功率要低得多——当前方法的估计值与真实值的相关性通常仅较弱。在本工作中，我们提出了一种新的数据归因方法 (MAGIC)，通过结合经典方法和最新元微分方法来（近乎）最优地估计添加或移除训练数据对模型预测产生的影响。
关键词
引用
@article{arxiv.2504.16430,
title = {MAGIC: Near-Optimal Data Attribution for Deep Learning},
author = {Andrew Ilyas and Logan Engstrom},
journal= {arXiv preprint arXiv:2504.16430},
year = {2025}
}