概述
影响函数估计每个训练示例对模型预测的影响程度，让您可以将输出追溯到导致该结果的数据。它们很重要，因为它们将不透明的模型变成了可审核版权、调试和信任的模型。
训练数据归因的影响函数是一个技术构建块，可大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
影响函数来自稳健的统计数据，并于 2017 年被 Koh 和 Liang 应用于深度学习。核心问题是反事实的：如果删除或增加特定训练示例，模型在测试点上的损失将如何变化？影响函数不是实际进行再训练（这是极其昂贵的），而是使用微积分来近似该变化。他们计算训练点和测试点的损失梯度，然后通过损失的逆 Hessian 矩阵将它们连接起来，从而捕获模型参数空间的曲率。较大的积极影响意味着训练示例推动模型朝着其预测方向发展；较大的负值意味着它会推动它。结果是最负责任的培训示例的排名列表。
技术洞察
精确的公式需要所有参数的损失的逆 Hessian 矩阵，这对于十亿参数的模型来说是很棘手的。从业者使用 LiSSA（随机迭代反演）、克罗内克因子曲率 (EK-FAC) 或随机投影（例如 TRAK）等方法来近似它。 Anthropic 2023 年的工作使用 EK-FAC 将影响函数扩展到大型语言模型，揭示了有影响力的示例通常共享抽象模式而不是精确的表面措辞。
掌握训练数据归因的影响函数
影响函数估计每个训练示例对模型预测的影响程度，让您可以将输出追溯到导致该结果的数据。它们很重要，因为它们将不透明的模型变成了可审核版权、调试和信任的模型。训练数据归因的影响函数是一个技术构建块，可大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将训练数据归因的影响函数视为一个操作模型，而不是一个单一的功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队使用影响函数来训练数据归因，根据可靠性和成本来优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
追踪哪些受版权保护的书籍对语言模型生成的段落影响最大，以进行法律和许可分析
通过显示错误标记的训练图像来调试错误分类，这些图像将模型推向错误的答案
检测对特定预测产生巨大影响的中毒或异常训练示例
审核信用或招聘模型，以显示哪些历史记录推动了有争议的决策
实施模式
实践中训练数据归因的影响函数
追踪哪些受版权保护的书籍对语言模型生成的段落影响最大，以进行法律和许可分析。
追踪哪些受版权保护的书籍对语言模型生成的段落影响最大，以进行法律和许可分析当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
实践中训练数据归因的影响函数
通过显示错误标记的训练图像来调试错误分类，这些图像将模型推向错误的答案。
通过显示错误标记的训练图像来调试错误分类，这些图像将模型推向错误的答案。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中训练数据归因的影响函数
检测对特定预测产生巨大影响的中毒或异常训练示例。
检测对特定预测产生巨大影响的有毒或异常训练示例当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
实践中训练数据归因的影响函数
审核信用或招聘模型，以显示哪些历史记录推动了有争议的决策。
审核信用或招聘模型，以显示哪些历史记录推动了有争议的决策。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。