新方法用因果反事实框架消融训练数据
maier_ak · x · 2026-08-25
团队构建了一个因果反事实框架，询问“如果某个训练样本从未存在会怎样”。他们使用扩散集成——即许多在数据切片上训练的子模型——来消融任何组件，并在无需重新训练的情况下生成模型，从而分析训练数据的影响。
所属事件:Nature研究：扩散模型单样本因果影响力随规模递减(5 条相关)→
「研究」频道最新
- NEJM AI 研究：AI 开检查费是医生 3.2 倍，2/3 就诊医生零检查 — dvir_a · 2026-10-16
- 19 个模型评估：提示词可降低 LLM 过度检查成本，但代价是诊断一致性 — dvir_a · 2026-10-16
- LLM 医疗评测新维度：NEJM AI 发表「推荐照护成本」对比研究 — dvir_a · 2026-10-16
- SubQ 开源 Decision LCR:72K-115K 长文决策基准,自研模型领先 — ryanallred · 2026-10-16
- 「特征不是神经网络基本单位」：可解释性范式之争再升温 — MoonL88537 · 2026-10-16
- FOMO-Dex 力控遥操作：机器人学会拿薄卡片、拧螺丝 — HaozhiQ · 2026-10-16