研究人员推出了Source，这是一种新的训练数据归因（TDA）方法，结合了影响函数的计算效率和基于展开方法的准确性。通过使用类似影响函数的公式来近似展开微分，Source解决了隐式微分方法的局限性，例如它们未能考虑优化偏差或多阶段流水线。

  • 与完整的基于展开的TDA方法相比，Source在计算上更高效。
  • 它仍然适用于隐式微分方法难以处理的未收敛模型和多阶段训练流水线。
  • 实证结果表明，Source在反事实预测方面优于现有的TDA技术，特别是在传统方法表现不佳的场景中。