Funzione di Influenza Direzionale per Modelli di Apprendimento Vincolati

È stato introdotto un nuovo approccio noto come Funzione di Influenza Direzionale (DIF) per valutare come i dati di addestramento influenzano modelli soggetti a vincoli come equità, sicurezza, robustezza, regolarizzazione e limiti fisici o logici. Le funzioni di influenza tradizionali falliscono in ambienti vincolati, poiché le modifiche ai dati possono alterare sia l'obiettivo che la regione ammissibile, producendo stime che violano la fattibilità. Integrando questi vincoli nel processo di stima dell'influenza attraverso le condizioni di ottimalità dell'apprendimento vincolato, DIF mira a migliorare l'interpretabilità e la robustezza dei modelli vincolati. Questa ricerca è dettagliata in un articolo disponibile su arXiv con ID 2607.23388.