큰 집합의 계산
전체 자료를 한 번에 입력하는 가치 평가 방식은 자료가 커지면 사용이 제한될 수 있다. SAVA는 이런 계산을 배치 단위로 나누는 확장 방향을 제안했다.
계층적 최적 수송
LAVA와 연결되는 계층적 최적 수송 구성을 사용하되 자료 전체 대신 나눈 배치에서 수송 문제를 계산한다. 모델 성능에 의존하지 않는 자료 평가의 규모를 넓히려는 접근이다.
정규화의 분석
최적 수송 문제에 엔트로피 정규화를 사용할 때의 절충 관계를 이론적으로 분석했다. 기존 분석을 정교하게 다룬 결과도 함께 제시했다.
대규모 자료의 실험
수백만 예시를 가진 큰 자료까지 확장하는 실험에서 가치 평가 성능을 조사했다. 배치 계산의 효율과 값의 품질을 함께 평가한 연구다.
관련 문서
LAVA 데이터 가치 평가 / 복잡도 격차 데이터 점수 / 데이터 섀플리 / Data-OOB / Data Banzhaf / OpenDataVal