热点事件观察中

新方法用一阶Shapley审计LLM数据

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究者提出一种名为 First-Order In-Context Shapley 的数据审计方法，用于大语言模型的对齐与评估。该方法只需推理、不更新参数，在语义 k-NN 邻域上以 O(k) 次前向传播计算上下文合作博弈的一阶项。据作者称，该方法在全部目标上与多轮 Monte-Carlo In-Context Shapley 呈正相关，且算力消耗降低 19 倍。

AI 根据报道生成 · 1 天前更新

最新进展10月12日 12:00

First-Order In-Context Shapley：面向 LLM 对齐与评估的可扩展数据审计方法

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.AI
First-Order In-Context Shapley：面向 LLM 对齐与评估的可扩展数据审计方法
研究者提出 First-Order In-Context Shapley，一种仅需推理的估值流程，在语义 k-NN 邻域上以 O(k) 次前向传播计算上下文合作博弈的一阶项，无需更新参数，在 100% 目标上与多轮 Monte-Carlo In-Context Shapley 正相关，算力降低 19 倍。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1010月12日 13:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。