# Atrybucja i wycena danych treningowych EN: **Training data attribution and valuation** · id `datavaluation` · aliases: data attribution, data valuation, training data attribution, TDA, wycena danych Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Dane dla AI](https://aiatlasgraph.com/t/data.md) › Atrybucja i wycena danych treningowych ## Description - PL: Metody szacujące wpływ przykładów treningowych na predykcje lub ich wartość dla jakości modelu, m.in. funkcje wpływu, TRAK i wartości Shapleya. - EN: Methods estimating the influence of training examples on predictions or their value for model quality, including influence functions, TRAK and Shapley values. ## In one sentence - PL: Szacowanie, które przykłady z materiału treningowego były najbardziej związane z konkretną odpowiedzią modelu i jak wpływają na jego jakość. - EN: Estimating which training examples were most associated with a model response and how they affect model quality. ## Problem it solves - PL: Gdy model się myli, trudno wskazać przykłady treningowe najbardziej związane z błędem ani ocenić, które dane poprawiają wybraną metrykę. - EN: When a model errs, it is hard to identify the training examples most associated with the error or estimate which data improves a chosen metric. ## What it does - PL: Jak księgowy rozliczający wkład wspólników: każdemu przykładowi przypisuje udział w wyniku, dodatni lub ujemny. - EN: Like an accountant settling partners' shares: each example gets a stake in the result, positive or negative. ## Everyday example - PL: Asystent podał błędną radę, a analiza wskazuje garść stron z forum, które go tego nauczyły i warto je usunąć. - EN: An assistant gave wrong advice, and the analysis points to a handful of forum pages that taught it this and should go. ## This concerns you if you… - PL: chcesz wiedzieć, skąd model wziął konkretną odpowiedź - PL: płacisz za dane i chcesz wiedzieć, które się opłacają - PL: szukasz zepsutych przykładów w dużym zbiorze - EN: want to know where a model got a specific answer - EN: pay for data and want to know which pays off - EN: hunt for broken examples in a large dataset ## Keywords influence functions · TRAK · Data Shapley · EK-FAC · LoGra · data markets · dattri ## How it works - PL: Atrybucja szacuje, jak zmieniłaby się predykcja po usunięciu lub przeważeniu danego przykładu. Dokładna odpowiedź wymaga ponownego trenowania, więc przybliża się ją gradientami i hesjanem (funkcje wpływu), losowo rzutowanymi gradientami (TRAK) albo wielokrotnym próbkowaniem koalicji danych (Data Shapley). Wycena agreguje taki wkład do liczby zależnej od modelu i metryki. - EN: Attribution estimates how a prediction would change if an example were removed or reweighted. The exact answer requires retraining, so it is approximated with gradients and the Hessian (influence functions), randomly projected gradients (TRAK), or repeated sampling of data coalitions (Data Shapley). Valuation aggregates such contributions into a number tied to a model and metric. ## Limits - PL: W głębokich, niewypukłych sieciach przybliżenia bywają niestabilne i zależne od ziarna losowego. Dla dużych modeli językowych koszty są wysokie, a wynik wskazuje korelację z danymi, nie dowód prawny pochodzenia. - EN: In deep, non-convex networks the approximations can be unstable and seed-dependent. For large language models the cost is high, and results show association with data, not legal proof of provenance. ## Key terms - PL: **leave-one-out**: Wpływ przykładu mierzony różnicą wyniku po jego usunięciu i ponownym treningu. - PL: **funkcja wpływu**: Przybliżenie efektu usunięcia lub przeważenia przykładu bez pełnego ponownego treningu. - EN: **leave-one-out**: An example's effect measured by retraining without it and comparing results. - EN: **influence function**: Approximation of removing or reweighting an example without full retraining. ## Know first - [Wyjaśnianie pojedynczej decyzji (SHAP, LIME) (Local feature attribution (SHAP, LIME))](https://aiatlasgraph.com/t/featureattribution.md) - [Gry kooperacyjne i wartość Shapleya (Cooperative games and the Shapley value)](https://aiatlasgraph.com/t/shapleyvalue.md) ## Subtopics (2 direct, 2 in total) - [Funkcje wpływu i śledzenie przykładów treningowych (Influence functions and training example tracing)](https://aiatlasgraph.com/t/influencefunctions.md): Gradient-based approximations of a training example's influence on a test prediction: classical influence functions, TRAK and scalable variants. - [Wycena danych wartością Shapleya (Data Shapley) (Data Shapley valuation)](https://aiatlasgraph.com/t/datashapley.md): The cooperative-game Shapley value applied to training examples, estimated by Monte Carlo sampling or gradient methods. ## Related topics Untyped, symmetric "see also" links. - [Interpretowalność (Interpretability and explainability)](https://aiatlasgraph.com/t/explainability.md) ## Sources - [TRAK: Attributing Model Behavior at Scale]() `park-2023-trak` · by Sung Min Park, Kristian Georgiev, Andrew Ilyas, Guillaume Leclerc, Aleksander Mądry - [Understanding Black-box Predictions via Influence Functions]() `koh-liang-2017-influence` · by Pang Wei Koh, Percy Liang - [Data Shapley: Equitable Valuation of Data for Machine Learning]() `ghorbani-zou-2019-datashapley` · by Amirata Ghorbani, James Zou --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/datavaluation · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30