MIT CSAIL News ·
郑岱与大卫·吉福德探讨通过移除训练数据来检验其对模型输出的影响；詹姆斯·格里梅尔曼指出，该论文为‘具有实际意义的模型’可能出现归因失败提供了依据。 阅读 3 条观点，查看支持证据与原始来源。
连线表示阅读层级。点选判断即可查看解释与依据。
综合解读
郑岱表示：若移除某条训练数据后模型输出未发生变化，则说明该数据未影响输出。
如果你移除一段数据，而模型的输出并未发生变化，那么这段数据就未对输出产生影响。
Zheng Dai · Paragraph 4 — quotation 2
If you take away a piece of data and the output of the model doesn’t change, then that piece of data didn’t affect the output
" ，"
" ,"
继续探索
AI输出中的因果归因 →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。
David Gifford · Paragraph 5 — quotation 3
This paper introduces the first method that is absolute. You're actually deleting the inputs and deleting all influences of the inputs.
“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。”
"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."
继续探索
影响测试中的精确删除方法 →詹姆斯·格里梅尔曼指出，该论文为“具有实际意义的模型”可能出现归因失败提供了依据，并强调技术开发者与法院需借助其他方式评估抄袭行为。
该论文提供了理由，使人相信归因（attribution）方法将在具有实际意义的模型上失效。
James Grimmelmann · Paragraph 19 — quotation 3
this paper provides reason to think that attribution will fail for interesting models
“但……相反，技术人员和法院将不得不诉诸其他方法来评估是否存在抄袭行为。”
“But . Instead, technologists and courts will need to resort to other methods for assessing copying.”
继续探索
归因失败的法律含义 →带明确归属与语境的原文片段。打开原始文本核查出处。
该论文提供了理由，使人相信归因（attribution）方法将在具有实际意义的模型上失效。
this paper provides reason to think that attribution will fail for interesting models
“但……相反，技术人员和法院将不得不诉诸其他方法来评估是否存在抄袭行为。”
“But . Instead, technologists and courts will need to resort to other methods for assessing copying.”
如果你移除一段数据，而模型的输出并未发生变化，那么这段数据就未对输出产生影响。
If you take away a piece of data and the output of the model doesn’t change, then that piece of data didn’t affect the output
" ，"
" ,"
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。
This paper introduces the first method that is absolute. You're actually deleting the inputs and deleting all influences of the inputs.
“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。”
"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."
这些观点均关联原始来源。转述已明确标注，不作为逐字原话展示。
打开转录或来源材料 （在新标签页中打开）报告问题David Gifford 关于影响测试中的精确删除方法的观点。 按话题阅读 1 条观点，核对 1 个来源中的证据。
James Grimmelmann 关于归因失败的法律含义的观点。 按话题阅读 1 条观点，核对 1 个来源中的证据。
Zheng Dai 关于AI输出中的因果归因的观点。 按话题阅读 1 条观点，核对 1 个来源中的证据。