data-attribution

GRASP 提出了一种几何感知、基于交互的可扩展预训练数据归因方法，该方法对子集动态进行建模，在任务级秩相关上比现有加性方法提升超过两倍，同时降低了计算成本。

本文首次系统性地分析了基于轨迹的数据归因方法的误差来源，指出优化器不匹配是主要误差，提出了AdamW-influence来解决该问题，并通过K步前瞻框架提供了数据选择的实用指南。