Buchumschlag

ALinFiK: Learning to Approximate Linearized Future Influence Kernel for Scalable Third-Party LLM Data Valuation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Yanzhou, Lin, Huawei, Ran, Yide, Chen, Jiamin, Yu, Xiaodong, Zhao, Weijie, Zhang, Denghui, Xu, Zhaozhuo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sketching the Readout of Large Language Models for Scalable Data Attribution and Valuation
von: Ran, Yide, et al.
Veröffentlicht: (2026)

Randomized Antipodal Search Done Right for Data Pareto Improvement of LLM Unlearning
von: Liu, Ziwen, et al.
Veröffentlicht: (2026)

Mitigating Non-IID Drift in Zeroth-Order Federated LLM Fine-Tuning with Transferable Sparsity
von: Ran, Yide, et al.
Veröffentlicht: (2025)

Token-wise Influential Training Data Retrieval for Large Language Models
von: Lin, Huawei, et al.
Veröffentlicht: (2024)

DMin: Scalable Training Data Influence Estimation for Diffusion Models
von: Lin, Huawei, et al.
Veröffentlicht: (2024)

VTBench: Evaluating Visual Tokenizers for Autoregressive Image Generation
von: Lin, Huawei, et al.
Veröffentlicht: (2025)

Measuring Copyright Risks of Large Language Model via Partial Information Probing
von: Zhao, Weijie, et al.
Veröffentlicht: (2024)

Context Engineering for Trustworthiness: Rescorla Wagner Steering Under Mixed and Inappropriate Contexts
von: Wang, Rushi, et al.
Veröffentlicht: (2025)

DEL-ToM: Inference-Time Scaling for Theory-of-Mind Reasoning via Dynamic Epistemic Logic
von: Wu, Yuheng, et al.
Veröffentlicht: (2025)

Do LLMs Know to Respect Copyright Notice?
von: Xu, Jialiang, et al.
Veröffentlicht: (2024)

Scalable Linearized Laplace Approximation via Surrogate Neural Kernel
von: Ortega, Luis A., et al.
Veröffentlicht: (2026)

OAT-Rephrase: Optimization-Aware Training Data Rephrasing for Zeroth-Order LLM Fine-Tuning
von: Long, Jikai, et al.
Veröffentlicht: (2025)

ISACL: Internal State Analyzer for Copyrighted Training Data Leakage
von: Zhang, Guangwei, et al.
Veröffentlicht: (2025)

ScaleLLM: A Resource-Frugal LLM Serving Framework by Optimizing End-to-End Efficiency
von: Yao, Yuhang, et al.
Veröffentlicht: (2024)

RapidUn: Influence-Driven Parameter Reweighting for Efficient Large Language Model Unlearning
von: Zhao, Guoshenghui, et al.
Veröffentlicht: (2025)

The Evolution of Third‐Party Gifts
von: Kerry Nenn
Veröffentlicht: (2024)

LLM Wardens: Mitigating Adversarial Persuasion with Third-Party Conversational Oversight
von: Wachowiak, Lennart, et al.
Veröffentlicht: (2026)

What is Your Data Worth to GPT? LLM-Scale Data Valuation with Influence Functions
von: Choe, Sang Keun, et al.
Veröffentlicht: (2024)

SAVA: Scalable Learning-Agnostic Data Valuation
von: Kessler, Samuel, et al.
Veröffentlicht: (2024)

KAIROS: Scalable Model-Agnostic Data Valuation
von: Zhu, Jiongli, et al.
Veröffentlicht: (2025)

Dynamic Maintenance of Kernel Density Estimation Data Structure: From Practice to Theory
von: Liang, Jiehao, et al.
Veröffentlicht: (2022)

DeFi versus TradFi: Valuation Using Multiples and Discounted Cash Flows
von: Xu, Teng Andrea, et al.
Veröffentlicht: (2022)

Third Party Private Set Operations
von: Yeo, Foo Yee
Veröffentlicht: (2025)

Incentivized Third Party Collateralization for Stablecoins
von: Das, Souradeep, et al.
Veröffentlicht: (2023)

Influence Functions for Data Attribution in Linear System Identification and LQR Control
von: Li, Jiachen, et al.
Veröffentlicht: (2025)

Sensitivity Meets Sparsity: The Impact of Extremely Sparse Parameter Patterns on Theory-of-Mind of Large Language Models
von: Wu, Yuheng, et al.
Veröffentlicht: (2025)

Data Valuation for LLM Fine-Tuning: Efficient Shapley Value Approximation via Language Model Arithmetic
von: Tamine, Mélissa, et al.
Veröffentlicht: (2025)

Tensor Sketch: Fast and Scalable Polynomial Kernel Approximation
von: Pham, Ninh, et al.
Veröffentlicht: (2025)

Layer-Aware Influence for Online Data Valuation Estimation
von: Yang, Ziao, et al.
Veröffentlicht: (2025)

Stdlib or Third-Party? Empirical Performance and Correctness of LLM-Assisted Zero-Dependency Python Libraries
von: Ding, Peng, et al.
Veröffentlicht: (2026)

Learning from the Right Rollouts: Data Attribution for PPO-based LLM Post-Training
von: Shu, Dong, et al.
Veröffentlicht: (2026)

Kernel PCA for Out-of-Distribution Detection: Non-Linear Kernel Selections and Approximations
von: Fang, Kun, et al.
Veröffentlicht: (2025)

Attacks on Third-Party APIs of Large Language Models
von: Zhao, Wanru, et al.
Veröffentlicht: (2024)

Assessing Privacy Compliance of Android Third-Party SDKs
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2024)

The Effects of Dependence on Brazilian Third-Party Logistics Satisfaction
von: Antonio Carlos Rodrigues
Veröffentlicht: (2022)

Cultural Individualism–Collectivism and Third‐Party Punishment and Compensation
von: Yan Ye, et al.
Veröffentlicht: (2025)

Be a Trusted Third Party but not a Privileged Insider
von: Saeed Banaeian Far, et al.
Veröffentlicht: (2025)

Report of the Third Session of the IOTC Working Party on Tagging
Veröffentlicht: (2001)

Managing Library-Licensed Data: Exploring In-House Control vs. Third-Party Platforms
von: Kalinowski, Alice, et al.
Veröffentlicht: (2025)

Zeroth-Order Fine-Tuning of LLMs with Extreme Sparsity
von: Guo, Wentao, et al.
Veröffentlicht: (2024)