arXiv cs.AI· Roshan Reddy Upendra, Alexandre Dorais, Joe Meyer, Andrew Pouret, Anastasios Lambrianos Stappas, Dinesh Katupputhur Ramprasath, Tom Palczewski, Minghua Li·· 2026-09-30AI 评分33
关系型基座模型上下文学习中的支持集目标泄露：影响、检测与缓解
Support-Set Target Leakage in Relational Foundation Models during In-Context Learning: Impact, Detection, and Mitigation
AI 导读
关系型基座模型在上下文学习中若支持集包含查询集不可用的目标衍生列，会引发支持集目标泄露并导致预测性能下降。研究构建了跨越不同噪声和跳数的 14 种泄露类型（对应 20 列），在 RelBench 数据库评测发现目标表泄露造成的性能劣化最严重。采用 Integrated Gradients（IG）能有效对可疑列进行排序并剔除，从而部分恢复模型性能。
来源：arXiv cs.AI · arxiv.org