研究者は、影響関数の計算効率と展開ベースのアプローチの精度を組み合わせた新しいトレーニングデータ属性付け（TDA）手法であるSourceを紹介する。影響関数に似た公式を使用して展開微分を近似することにより、Sourceは最適化バイアスやマルチステージパイプラインを考慮しないという暗黙的微分手法の制限に対処する。
- Sourceは完全な展開ベースのTDA手法と比較して計算効率的である。
- 暗黙的微分アプローチが苦手とする非収束モデルやマルチステージトレーニングパイプラインにも適している。
- 実証結果は、Sourceが反事実予測において既存のTDA技術を上回ることを示しており、特に従来の手法が不足する設定で顕著である。