负对数几率损失提升模型数据归因

David Bau 团队等人在 arXiv 论文中提出 CATT 基准，用于评估语言模型训练数据归因方法；研究称，将常用损失函数替换为负对数几率损失，可全面提升归因效果，使模型输出所依赖的训练数据溯源更准确。 这项研究聚焦训练数据归因，即判断模型输出依赖哪些训练数据。CATT 基准为比较不同归因方法提供了评估依据，研究结论指向负对数几率损失相较常用损失函数的归因表现改善。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。