约束学习数据归因：方向性影响函数DIF

Xin Wang等作者在arXiv发布论文，提出方向性影响函数（DIF），在影响估计中显式纳入约束，以处理数据扰动同时改变目标函数和可行域导致的估计失真。 基于论文摘要：在约束线性回归中，DIF能恢复留一重训结果，而经典IF和惩罚式IF出现显著偏差；在公平约束CNN上，DIF较准确地预测移除数据后的测试损失变化，与实际重训结果接近。以上为作者声称的验证结果，目前处于论文发布阶段。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。