예측에서 자료로
입력의 어떤 특징이 중요한지와 별개로 어떤 학습 사례가 예측에 영향을 주었는지 물을 수 있다. 이 연구는 예측을 학습 과정과 연결해 관련 자료를 찾아낸다.
확장 가능한 근사
기울기와 헤시안·벡터 곱에 접근하는 구현을 제안했다. 큰 모델에서도 영향 함수를 활용할 수 있도록 계산을 근사하는 접근이다.
이론과 실제 모델
원래 이론의 조건이 깨지는 비볼록 또는 미분 불가능 모델에서도 근사값의 활용을 실험했다. 이때 얻은 정보의 유용성과 정확한 이론적 보장은 구분해야 한다.
모델과 자료의 점검
선형 모델과 합성곱 신경망에서 동작 이해와 디버깅, 자료 오류 탐지를 평가했다. 학습 예시의 영향을 살펴보는 관점에서 모델을 조사하는 도구다.