对谁有用？样本价值仅相对于学习器而定义

arXiv:2610.00221v1 公告类型：new 摘要：模型需要什么样的数据才能学习？核心集选择使这个问题变得具体：在预算约束下，保留对训练最有用的样本。在不同的预算区间内，易样本优先和几何覆盖标准可能分别胜出，其间由一个交叉边界分隔。我们探讨这一边界是由数据固定的，还是会随目标学习器而变化。受控实验固定所选子集，仅操纵训练学习器。在低分辨率 ImageNet-100 上，将 ResNet-18 的宽度加倍会使交叉点从每类 57 个样本移至 85 个样本：学习器改变了同一批样本的相对价值。更广泛的实验揭示了输入网格与模型容量之间的交互作用。在保留相同图像信息的同时扩大网格，会使边界向左移动；随着宽度增加，这种移动会减弱。步幅控制实验在不改变输入网格的情况下复现并反转了网格效应；仅移除最后一次下采样步幅，就足以恢复向左移动的现象。在原生 224px 的 ImageNet-1k 协议下，宽度效应较小且取决于所使用的探针：LFrac 基本保持平坦，而 EL2N 则适度向右移动。将卷积学习系统替换为 ViT 后，在测量范围内覆盖策略始终胜出，即使易样本子集来自卷积代理模型。这些结果通过固定子集干预确立了学习器依赖性，并确定了能够移动该边界的网络结构。它们并未导出一种通用的缩放定律。其实际意义很直接：必须针对目标学习器评估一种选择策略所适用的预算区间。