计算机科学 > 机器学习
[提交于 2025年5月30日
]
标题: 问责制归因:追溯模型行为到训练过程
标题: Accountability Attribution: Tracing Model Behavior to Training Processes
摘要: 现代人工智能开发流程通常涉及多个阶段——预训练、微调轮次,以及后续的适应或对齐,并且在每个阶段中有大量的模型更新步骤。 这就引发了一个关键的问题:问责制。当部署的模型成功或失败时,哪个阶段应对此负责,以及在多大程度上? 我们提出了一个问责制归因问题,旨在将模型行为追溯到特定的训练过程阶段。 为了解决这个问题,我们提出了一种通用框架,用于回答关于阶段效果的反事实问题:如果某个训练阶段的更新未被执行,模型的行为会如何变化? 在这个框架内,我们引入了基于一阶近似的方法,这些方法可以高效地量化阶段效果而无需重新训练。 我们的估计器考虑了训练数据和优化动态的关键方面,包括学习率计划、动量和权重衰减。 实证研究表明,我们的方法能够识别导致特定行为的训练阶段,为模型分析提供了一个实用工具,并朝着更负责任的人工智能开发迈出了一步。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.