预测性数据调试：在训练前揭示并塑造模型学习的内容

本文介绍了一种预测性数据调试方法，能够在训练前准确预测强化学习会放大或抑制哪些行为，并追溯到相应的数据点，从而通过重塑数据集或训练过程来防止不良效果。通过案例研究（包括安全护栏退化、幻觉链接、物理谄媚和意外行为），验证了该方法在识别和修复数据问题上的有效性。该方法将可解释性应用于数据，帮助理解模型从数据中学习的内容，并实现有针对性的干预。