Mai departeUrmătorul ghid
Data Flywheels: Turning Production Data into Training Data
Tehnic
GHID tehnic
Funcțiile de influență estimează cât de mult fiecare exemplu de antrenament a modelat predicția unui model, permițându-vă să urmăriți o ieșire până la datele care l-au cauzat.
Ascultă acest ghidNarativ AI · ~2 min
Ele contează pentru că transformă un model opac în ceva auditabil pentru drepturi de autor, depanare și încredere.
Influence functions come from robust statistics and were adapted to deep learning by Koh and Liang in 2017. The core question is counterfactual: how would the model's loss on a test point change if a particular training example were removed or up-weighted? Rather than actually retraining (which is hopelessly expensive), influence functions approximate that change using calculus. They compute the gradient of the loss for the training point and the test point, then connect them through the inverse Hessian of the loss, which captures the curvature of the model's parameter space. Under Koh and Liang’s standard upweighting-on-test-loss convention, I_up,loss measures how infinitesimally increasing a training point’s weight changes the loss on a chosen test point. A positive value means upweighting raises test loss (a harmful influence); a negative value means it lowers test loss (a helpful influence). Removing a point reverses the sign of the first-order estimated change. Other influence scores may target predictions or use a different sign convention, so define the quantity before interpreting its sign. The result is a ranked list of the most responsible training examples.
Urmărirea cărților protejate prin drepturi de autor au influențat cel mai mult un pasaj generat de un model de limbă, pentru analiza legală și a licențelor
Depanarea unei clasificări greșite prin evidențierea imaginilor de antrenament etichetate greșit care au împins modelul către răspunsul greșit
Detectarea exemplelor de antrenament otrăvite sau anormale care exercită o influență exagerată asupra predicțiilor specifice
Auditarea unui model de credit sau de angajare pentru a arăta ce înregistrări istorice au determinat o decizie contestată
Așteptați-vă ca atribuirea bazată pe influență să devină o infrastructură pentru responsabilitatea AI. Autoritățile de reglementare și instanțele care verifică dacă textul protejat prin drepturi de autor a modelat un rezultat vor dori o proveniență la nivel de exemplu, iar dezvoltatorii o vor folosi pentru a scoate la iveală date etichetate greșit sau otrăvite. Aproximațiile mai ieftine, cum ar fi TRAK și schița în gradient, împing atribuirea în timp real, iar combinarea acesteia cu dezînvățarea ar putea permite echipelor să elimine influența unui document fără o reinstruire completă.
Buletin gratuit
Trei povești AI verificate în fiecare dimineață de zi lucrătoare, scrise în engleză simplă. Gratuit pentru totdeauna, fără reclame.
Un e-mail în fiecare zi lucrătoare. Dezabonare cu un singur clic. Nu vindem niciodată și nu împărtășim adresa ta.
Testează-te
Feedback instantaneu la fiecare răspuns și un certificat partajabil cu un ID verificabil după ce parcurgi un curs.
Susține educația AI gratuită. AI Understanding este o organizație nonprofit 501(c)(3) — fără reclame, fără barieră de plată, pentru totdeauna. Fă o donație
Funcțiile de influență estimează cât de mult fiecare exemplu de antrenament a modelat predicția unui model, permițându-vă să urmăriți o ieșire până la datele care l-au cauzat. Ele contează pentru că transformă un model opac în ceva auditabil pentru drepturi de autor, depanare și încredere.
Funcțiile de influență estimează efectul perturbării greutății unui exemplu de antrenament asupra pierderii la un punct de testare, aproximând reantrenarea fără a o face.
Formula clasică de influență necesită inversarea Hessianului asupra tuturor parametrilor, ceea ce este imposibil pentru modelele cu miliarde de parametri.
Lucrarea din 2017 a lui Pang Wei Koh și Percy Liang „Înțelegerea predicțiilor cutiei negre prin funcții de influență” a adus tehnica în învățarea profundă.
For I_up,loss, a negative derivative means increasing the training point’s weight decreases the selected test loss; removing it has the opposite first-order effect.
Studiul Anthropic din 2023 a folosit EK-FAC pentru a aproxima hessianul invers, permițând analiza influenței asupra modelelor de limbaj mari.
Continuați să învățați
Mai multe ghiduri alese pentru acest subiect
Mai departeUrmătorul ghid
Data Flywheels: Turning Production Data into Training Data
Tehnic