提出广义优先级感知沙普利值(GPASV)方法,用于解决机器学习中任意有向加权优先级图下的数据贡献者估值问题,突破了现有方法对无环和二元优先级的限制,并在大语言模型集成评估中验证了其计算可扩展性与估值灵活性。
机构:俄亥俄州立大学
来源:arXiv 2605.15018 | AI4Papers 论文推荐平台