NeurIPS 论文实证：梯度归因难以可靠过滤「阈下学习」

一篇被 NeurIPS 2026 ATTRIB Workshop 接收的论文实证评估了梯度归因过滤「阈下学习」的能力。研究在 3 个模型上测试 GradCos、对比 GradCos 变体和 EK-FAC，并与 divergence tokens 强基线对比；token 级过滤下，EK-FAC 可缓解部分效应，但效果随模型与特质组合变化，尚不足以作为稳定的安全过滤手段。