研究发现负对数几率损失显著提升语言模型数据归因效果

David Bau 团队等人发布 arXiv 论文，并提出 CATT 基准用于评估训练数据归因方法。研究发现，将常用损失函数替换为负对数几率（neg log odds）损失，可全面提升语言模型训练数据归因的效果，使溯源模型输出所依赖的训练数据更加准确可靠。

2026-10-31 ~ 2026-10-31 · 2 条相关

• 研究：换用负对数几率损失可全面提升训练归因方法 — davidbau · 2026-10-31
• CATT 基准揭示:负对数几率损失显著提升 LM 数据归因效果 — davidbau · 2026-10-31