# Funkcje wpływu i śledzenie przykładów treningowych

EN: **Influence functions and training example tracing** · id `influencefunctions` · aliases: influence functions, training example tracing, funkcje wpływu, śledzenie przykładów treningowych

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Dane dla AI](https://aiatlasgraph.com/t/data.md) › [Atrybucja i wycena danych treningowych](https://aiatlasgraph.com/t/datavaluation.md) › Funkcje wpływu i śledzenie przykładów treningowych

## Description

- PL: Gradientowe przybliżenia wpływu przykładu treningowego na predykcję testową: klasyczne funkcje wpływu, TRAK i ich skalowalne warianty.
- EN: Gradient-based approximations of a training example's influence on a test prediction: classical influence functions, TRAK and scalable variants.

## In one sentence

- PL: Wskazywanie przykładów treningowych, które najbardziej popchnęły model do danej odpowiedzi, bez trenowania go od nowa.
- EN: Pointing to the training examples that most pushed a model towards a given answer, without retraining it.

## Problem it solves

- PL: Przetrenowanie modelu bez każdego podejrzanego przykładu z osobna trwałoby lata, a trzeba szybko znaleźć źródło błędu.
- EN: Retraining a model without each suspicious example one by one would take years, yet the cause of an error is needed fast.

## What it does

- PL: Działa jak śledzenie tropu wstecz: z kierunku, w którym każdy przykład pchał parametry, szacuje jego udział w odpowiedzi.
- EN: It traces footprints backwards: from the direction each example pushed the parameters, it estimates its share in the answer.

## Everyday example

- PL: Klasyfikator zdjęć myli wilka z husky, a lista najbardziej wpływowych przykładów pokazuje zdjęcia psów na śniegu.
- EN: A photo classifier confuses a wolf with a husky, and the most influential examples turn out to be dogs on snow.

## This concerns you if you…

- PL: debugujesz dziwne zachowanie modelu
- PL: szukasz błędnie oznaczonych przykładów
- EN: are debugging strange model behaviour
- EN: are hunting for mislabelled examples

## Keywords

Koh & Liang influence functions · TRAK · EK-FAC · Arnoldi influence · LoGra · Kronfluence · dattri

## How it works

- PL: Klasyczna funkcja wpływu mnoży gradient straty przykładu testowego przez odwrotność hesjanu i gradient przykładu treningowego, używając iloczynów hesjan–wektor. TRAK korzysta z losowych rzutów gradientów i uśredniania po kilku modelach, aby skalować atrybucję do dużych sieci.
- EN: A classical influence function combines the test-loss gradient, inverse Hessian and training-example gradient using Hessian-vector products. TRAK uses random gradient projections and averaging over a handful of models to scale attribution to large networks.

## Limits

- PL: Teoria zakłada wypukłość, więc w głębokich sieciach wyniki są przybliżone i bywają szumne. Przechowywanie gradientów dla milionów przykładów wymaga dużo pamięci; dla największych modeli liczy się wpływ tylko na wybranych warstwach.
- EN: Theory assumes convexity, so in deep networks results are approximate and can be noisy. Storing gradients for millions of examples takes a lot of memory; for the largest models influence is computed on selected layers only.

## Key terms

- PL: **hesjan**: Macierz drugich pochodnych straty, opisująca krzywiznę krajobrazu uczenia.
- PL: **iloczyn hesjan–wektor**: Sposób użycia hesjanu bez wyliczania całej, ogromnej macierzy.
- PL: **rzut losowy**: Zmniejszenie wymiaru wektora mnożeniem przez losową macierz, z zachowaniem odległości.
- EN: **Hessian**: Matrix of second derivatives of the loss, describing training-landscape curvature.
- EN: **Hessian–vector product**: Using the Hessian without materialising the whole huge matrix.
- EN: **random projection**: Shrinking a vector by multiplying with a random matrix, roughly preserving distances.

## Know first

- [Propagacja wsteczna (backpropagation) (Backpropagation)](https://aiatlasgraph.com/t/backprop.md)

## Related topics

Untyped, symmetric "see also" links.

- [Wykrywanie błędnych etykiet (Label error detection)](https://aiatlasgraph.com/t/labelerrors.md)

## Sources

- [TRAK: Attributing Model Behavior at Scale](<https://arxiv.org/abs/2303.14186>) `park-2023-trak` · by Sung Min Park, Kristian Georgiev, Andrew Ilyas, Guillaume Leclerc, Aleksander Mądry
- [Understanding Black-box Predictions via Influence Functions](<https://arxiv.org/abs/1703.04730>) `koh-liang-2017-influence` · by Pang Wei Koh, Percy Liang

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/influencefunctions · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30