arXiv · cs.AI· Yunting Song, Matthew Watson, Moustafa Farid Alzantot, Peter Grabowski, Jun Qin·· 3 小时前
First-Order In-Context Shapley：面向LLM对齐与评测的可扩展数据审计
First-Order In-Context Shapley: Scalable Data Auditing for LLM Alignment and Evaluation
arXiv:2607.22766v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yunting Song, Matthew Watson, Moustafa Farid Alzantot, Peter Grabowski, Jun Qin
研究任务与主要进展
作者提出仅推理阶段的First-Order In-Context Shapley数据估值流水线，通过语义k近邻邻域计算一阶合作博弈项，在O(k)次前向传播且不更新参数的情况下审计LLM对齐数据。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org