MIT研究：大规模生成模型中单张训练数据对输出影响可忽略

MIT CSAIL团队提出反事实删除方法，发现训练数据越大，单个样本对生成输出的影响按幂律衰减至不可测。研究训练了24个扩散集成模型，覆盖CIFAR-10、CelebA、MetFaces、ArtBench等数据集，结论在多种相似度度量下统计显著。论文发表于Nature Communications，作者Zheng Dai、David Gifford。