提出方向影响函数DIF用于约束学习数据归因

2026年10月15日，arXiv Artificial Intelligence 刊出研究，Xin Wang 等作者提出方向影响函数（DIF）估计器，用于约束学习中的数据归因。报道称，经典影响函数在约束学习中会因数据扰动同时改变目标与可行域而失准；为此，研究者将约束学习的最优性条件表述为变分不等式（VI），并分析数据扰动对该 VI 的影响，从而把约束显式纳入影响估计。实验方面，在约束线性回归中，DIF 能复现留一法重训练结果，而 IF 与基于惩罚的 IF 存在明显偏差；在公平约束 CNN 上，DIF 能准确预测数据移除后的测试损失变化，并与实际重训练高度吻合。目前进展为方法提出与上述两类实验验证，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。