OriginBlame: Record- and Token-Level Data Provenance for AI Training Datasets
OriginBlame:人工智能训练数据集的记录级和令牌级数据溯源
机构 * HuggingFace(拥抱脸) ; Datatrove(数据宝库) ; The Linux Foundation(Linux基金会) ; Databricks(Databricks公司) ; Weights & Biases(权重与偏差公司)
AI总结 研究针对模型训练者在数据删除时无法精准定位记录所属作者的问题,提出OriginBlame系统,通过记录级和令牌级溯源及确定性查询解决,评估显示能消除过度删除并提升遗忘效果,增加少量吞吐量开销。
Comments 13 pages, 6 figures