arXiv · 机器人与计算机视觉· Davide Wiest, Ahanaf Hasan Ariq, Abdul Monaf Chowdhury·· 2026-10-12AI 评分42
KPSA:一种用于摊销条件可解释性的核化参数敏感性图谱方法
Kernelized Parameter Sensitivity Atlases for Amortized Conditional Interpretability
AI 导读
KPSA 从经验神经切比雪夫核的块分解推导而来,能以轻量级核估计未见输入的归一化参数组敏感性。在视觉、预测及蛋白质建模任务中,其选中组的扰动易感性可达一阶反向传播预言机的 39%-85%,且在视觉与预测任务中将批处理查询吞吐量从 551 提升至 2,041 张/秒,峰值显存从 4.55GB 降至 0.44GB。代码已开源,论文共 22 页含 10 幅图,属于预印本状态。
来源:arXiv · 机器人与计算机视觉 · arxiv.org