arXiv 机器学习· Hyojung Han, Jongmin Kim, Seung-Hun Jeon·· 8 小时前AI 评分35
反事实门控支撑集分解（CGSD）：解耦训练数据过滤中的样本筛选与支撑集重分布
Counterfactual Gate-Support Decomposition: Separating Selection from Redistribution in Training-Data Filtering
AI 导读
研究者提出反事实门控支撑集分解（CGSD），通过四臂、预算匹配的设计将训练数据过滤效应解耦为支撑集内筛选、支撑集间重分布及交互效应。在韩英和韩日检索任务中，支撑集内筛选是唯一显著超出置信空区间的成分（留出项分别增加 +29.7 和 +5.6）；置信度阈值门控也呈现相同规律（+27.3 项）。CGSD 明确给出了有限数据池下的可构建性条件，防止将重分布效应误读为样本级门控质量。
来源：arXiv 机器学习 · arxiv.org