arXiv · NLP· Loris Schoenegger, Benjamin Roth·· 3 天前AI 评分27
语言模型训练数据归因方法的表征与功能对齐框架
On Representational and Functional Alignment of Training Data Attribution Methods for Language Models
AI 导读
该研究提出框架直接比较训练数据归因方法,发现同类范式内存在强表征与中等功能对齐,跨范式对齐低且依赖任务。 对齐稳定性与任务相关,相似下游性能源于文档相对重要性一致而非全量排序一致。 研究将发表于EACL 2027,为归因方法评估提供直接比较维度。
来源:arXiv · NLP · arxiv.org