KI News: Kurz und klar.

In einer wegweisenden Veröffentlichung präsentiert ein Forschungsteam einen einheitlichen Rahmen für zertifizierte, robuste Datenattribution, der von konvexen Modellen bis hin zu tiefen neuronalen Netzen reicht. Für konvexe Szenarien führen die Autoren die Wasserstein‑Robust Influence Functions (W‑RIF) ein, die mit mathematischen Garantien für die Abdeckung ausgestattet sind.

Die Genauigkeit von Machine‑Learning‑Modellen in der Wirkstoffforschung hängt stark von der Qualität und Konsistenz der Trainingsdaten ab. Da die verfügbaren Datensätze oft zu klein sind, werden viele Modelle durch die Zusammenführung von Bioaktivitätsdaten aus unterschiedlichen Quellen – etwa aus öffentlichen Datenbanken wie ChEMBL – trainiert. Diese Vorgehensweise führt jedoch häufig zu starkem Rauschen, weil experimentelle Protokolle variieren.