研究：扩散模型输出往往难以归因至单一样本
maier_ak · x · 2026-08-25
一项研究指出，生成式扩散模型的输出往往无法被归因到具体的训练样本。
- 随着数据集规模增长，单张训练图像对扩散模型的因果影响会按照幂律递减。
- 因果贡献（Causal Responsibility）变得极小，导致将生成结果归因于某一个训练样本成为不可能。
- 该研究构建了一个因果反事实框架，通过询问“如果某训练样本不存在会怎样”来评估影响。
所属事件:Nature研究：扩散模型单样本影响力随数据增长递减(5 条相关)→
「研究」频道最新
- 新研究探究 LLM Agent 是否具备时间感知与预算意识 — maksym_andr · 2026-08-25
- SA-RSQ：多模态推荐系统的稀疏表示框架 — _reachsumit · 2026-08-25
- 重访 N2DCG：轮播推荐评估的实证重 formulation — _reachsumit · 2026-08-25
- RAG崩溃：检索到自生成内容时LLM答案趋同，79.6%模拟崩溃 — _reachsumit · 2026-08-25
- 生成式推荐新方法：语义子词分词提升物品建模 — _reachsumit · 2026-08-25
- Spotify研究：更好的推理轨迹反而降低推荐效果 — _reachsumit · 2026-08-25