让知识彼此相连
知识图谱
沿着人物与判断，回到原始证据。
1 位人物 · 1 个来源 · 1 条观点
放回语境
David Gifford
选择一条判断，追溯到它所在的原始对话。
Gifford 描述了删除训练输入及其影响
等分区块用于阅读定位，不表示排名或权重。
当前 1–1 / 共 1 条判断 · 按来源日期由新到旧
1 / 1
当前判断
Gifford 描述了删除训练输入及其影响
David Gifford 将该论文的方法描述为删除训练输入及其所有影响。他表示，该方法能够实现高效的大规模删除，并表明结果不会发生变化。
这些是个人表达的观点，并非共识度量。原始资料保持其原始语言。
支持这项说法
当AI生成的艺术作品没有作者：MIT研究发现，所生成图像往往无法追溯至任何训练数据 | 麻省理工学院计算机科学与人工智能实验室（CSAIL）
这篇论文提出了首个具有绝对性的方法。你确实在删除输入，并删除这些输入的所有影响。
原始摘录
This paper introduces the first method that is absolute. You're actually deleting the inputs and deleting all influences of the inputs.
上下文
“此前，他们确实无法绝对地证明，删除个别内容并没有改变输出。这是首个能够高效进行大规模删除，并证明结果没有改变的精确方法。”
原始上下文
"They really could not absolutely show that deleting individual things did not change the output. This is the first exact method for doing large-scale deletion efficiently and showing that the results don't change."
日期表示来源发表时间，不代表观点发生变化。 缺少审核合格译文的内容保留原文。