TICDA：表格上下文数据归因

arXiv:2610.07996v1 公告类型：新 摘要：表格基础模型（TFMs）通过以上下文中提供的带标签示例为条件，无需更新任何参数，便能实现强大的预测性能。然而，单个示例如何影响给定预测，仍缺乏充分理解。这一空白在实践中十分重要：上下文通常由现有的带标签数据拼接而成，因此可能包含标注错误、冗余或低质量示例，从而导致性能下降。标准的数据归因方法无法直接迁移到 TFM 场景：基于重采样的方法（如 DemoShapley）需要进行组合数量级的前向传播，而基于梯度的估计方法（如影响函数）则需要计算训练数据点对模型参数的影响，但上下文学习从不更新模型参数。我们提出 TICDA，这是一种直接利用基于 TFM 潜在嵌入训练的线性代理模型，衡量上下文中每个示例影响的方法，只需一次前向传播，且成本几乎可以忽略。我们在四项任务中展示了 TICDA 相较竞争方法的最佳权衡：检测标注错误；在降低推理成本的同时筛选上下文以保持预测准确率；生成可跨 TFM 迁移的归因分数；以及支持高效主动学习的采集策略。