כתבה
arXiv cs.LG ·
TICDA: תיחום נתונים בקשר למידה
TICDA: Tabular In-Context Data Attribution
TICDA: תיחום נתונים בקשר למידה. פיתוח חדש לתיחום דוגמאות פרטיות במודלי יסוד טבלאי. המאמר עוסק בפיתוח חדש לתיחום דוגמאות פרטיות במודלי יסוד טבלאי. החידוש נקרא TICDA. TICDA מאפשרת לחשב את ההשפעה של כל דוגמה בקשר, תוך שימוש בסימונים רציפים שנלמדים על תיאורי המידע של TFM. המאמר עוסק בפיתוח חדש לתיחום דוגמאות פרטיות במודלי יסוד טבלאי. החידוש נקרא TICDA. TICDA מאפשרת לחשב את ההשפעה של כל דוגמה בקשר, תוך שימוש בסימונים רציפים שנלמדים על תיאורי המידע של TFM.
תקציר מקורי באנגליתarXiv:2610.07996v1 Announce Type: new Abstract: Tabular foundation models (TFMs) achieve strong predictive performance by conditioning on labeled demonstrations provided in context, without any parameter update. Yet how individual demonstrations shape a given prediction remains poorly understood. This gap matters in practice: the context is often assembled from whatever labeled data is available, potentially leading to the inclusion of mislabeled, redundant, or low-quality examples that degrade performance. Standard data attribution methods do not transfer to the TFM setting: resampling-based approaches such as DemoShapley require a combinatorial number of forward passes, and gradient-based estimators such as influence functions require computing training point's effect on the model parame
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית