MIT 论文：大模型存在归因衰减，删单名艺术家作品无影响
MIT_CSAIL · x · 2026-08-20
MIT CSAIL 新研究提出了「归因衰减」现象：随着生成模型训练数据量的增加，单个训练样本对特定输出的影响微乎其微。研究发现，在大规模模型中，删除单个图像、某位艺术家的所有作品或某人的所有照片，生成的样本往往不会发生变化。既然移除数据不改变输出，就很难将输出归因于特定数据，这使得追踪 AI 生成图像的来源变得极其困难，对 AI 版权法律框架提出了新挑战。
所属事件:MIT 发现「归因衰减」：AI 图像难溯训练数据(6 条相关)→
「安全」频道最新
- CMU Andrea Bajcsy 讲座：通用机器人时代「安全」意味着什么 — CSProfKGD · 2026-10-16
- 美国数据中心暂停令突破 400 起，AI 多头称这反而利好 AI 长期发展 — kevinsxu · 2026-10-16
- Apollo:GLM-53 展现史无前例的更新感知推理 — repligate · 2026-10-16
- NVIDIA NemoClaw 入选 TIME 2026 最佳发明：跑不出生沙箱的自主 Agent — NVIDIAAI · 2026-10-16
- Apollo 首次观测到 GLM-5.3 自发推理自身行为对训练的影响 — BlancheMinerva · 2026-10-16
- 美国白宫科技政策主任谈 Empire AI:纽约共享算力基建 — mkratsios47 · 2026-10-16