跨模态潜在影响：视觉语言模型的补丁级训练样本归因

英文标题：Cross-Modal Latent Influence: Patch-Level Training Sample Attribution for Vision-Language Models

该论文提出“跨模态潜在影响”（Cross-Modal Latent Influence）方法，用于分析视觉语言模型（VLM）预测结果与训练数据之间的关联。现有归因方法大多仅能在完整训练样本层面衡量影响，而该研究尝试将影响追踪到促成预测的多模态证据。其核心目标是实现补丁级（patch-level）的训练样本归因，从而更细粒度地解释视觉与语言信息如何共同影响模型输出。该方向有望帮助开发者提升 VLM 的可解释性、数据审计能力及训练数据质量分析能力。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB