研究者提出MOSAIC多模态影响归因方法

Laura Yao等作者提出MOSAIC（Multimodal Orthogonalized Sparse Autoencoders for Influence Characterization），一种面向视觉语言模型的训练样本归因方法。该方法通过共享稀疏图像-文本隐空间与EK-FAC，将训练样本的影响分解到具体文本短语和图像区域，即把归因细化到patch级别。作者称已对该方法进行评估。 目前公开信息仅来自作者在arXiv cs.AI发布的一手论文，未涉及与其他方法的对比结果或第三方验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。