研究发现负对数几率损失显著提升语言模型数据归因效果

David Bau 团队等人在 arXiv 论文中提出 CATT 基准，用于评估训练数据归因方法。研究发现，将常用损失函数替换为负对数几率（neg log odds）损失，可全面提升语言模型训练数据归因效果，使模型输出所依赖训练数据的溯源更准确可靠。