提出ZOIF零阶影响函数估计框架
热点事件持续更新
提出ZOIF零阶影响函数估计框架
1 篇报道1 个报道来源19 小时前更新
先了解这件事
报道摘要
研究者提出 ZOIF，一种完全通过前向传播完成影响力估计的零阶框架，用于 LLM 数据选择。ZOIF 将影响力估计拆解为三个无需反向传播的阶段：零阶估计代理梯度、把逆 Hessian 向量积重构成辅助零阶优化以规避显式求逆、再沿参数更新方向做前向有限差分得到单样本影响力分数。实验显示其选出的数据子集下游效用与基线相当甚至更优，峰值内存大幅降低，总计算时间相近。
摘自 arXiv：cs.AI
最新进展10月15日 12:00
ZOIF：仅用前向传播的零阶影响力函数估计，用于 LLM 数据选择报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIZOIF：仅用前向传播的零阶影响力函数估计，用于 LLM 数据选择
研究者提出 ZOIF，一种完全通过前向传播完成影响力估计的零阶框架，用于 LLM 数据选择。ZOIF 将影响力估计拆解为三个无需反向传播的阶段：零阶估计代理梯度、把逆 Hessian 向量积重构成辅助零阶优化以规避显式求逆、再沿参数更新方向做前向有限差分得到单样本影响力分数。实验显示其选出的数据子集下游效用与基线相当甚至更优，峰值内存大幅降低，总计算时间相近。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。