WARP: Weight-Space Analysis for Recovering Training Data Portfolios

• 类型：arxiv
• 标识：2607.01686
• 链接：https://arxiv.org/abs/2607.01686
• 主分类：engineering
• 形态：position
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：WARP is introduced, a framework that recovers a fine-tuned model's training mixtures directly from its released weights and extracts geometric features and maps them to domain proportions using either a parameter-free softmax readout or an MLP projector trained on synthetic mixtures.
• OpenAlex ID：W7167270986
• OpenAlex DOI：10.48550/arxiv.2607.01686
• DOI：10.48550/arxiv.2607.01686
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.01686
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：WARP：基于权重空间分析的训练数据组合还原
• TLDR中文：WARP：一个直接从已发布权重还原微调模型训练数据混合比例的框架，抽取几何特征并映射至各领域占比，可采用无参数 softmax 读出器，或基于合成混合训练的 MLP 投影器。
• 来源文件：
• /inbox/tom/_candidates/2026-07-06-agent-memory-tool-use-candidates.json
• /inbox/tom/_candidates/2026-07-05-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-04-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]