In-Run Data Shapley

深度分析

Adam-Aware In-Run Data Shapley：線性化鬼影近似實現高忠實度資料歸因

資料歸因是提升模型可靠性與效率的關鍵。本研究發現 SGD 代理方法與 Adam 真實貢獻相關性極低（R≈0.11），因此提出 Adam-Aware In-Run Data Shapley，透過線性化鬼影近似實現高效計算，忠實度達 R>0.99，吞吐量維持標準訓練的 95%。