본 논문은 생성형 AI 모델의 결과물 해석 어려움 문제를 해결하기 위해, 훈련 데이터의 영향 분석을 통해 모델의 해석력을 향상시키는 검색 기반 접근 방식을 제시한다. 모델의 내부 상태가 아닌 출력물에 초점을 맞춘 관찰적 해석 가능성에 중점을 두며, 원시 데이터와 잠재 공간 임베딩 모두를 고려하여 생성된 콘텐츠에서 데이터 항목의 영향을 검색한다. 모델의 재훈련 및 영향력 있는 훈련 데이터 하위 집합 발견을 통해 제안된 방법의 효과를 평가하고, 향후 도메인 전문가의 사용자 기반 평가를 통한 관찰적 해석 가능성 향상을 위한 확장 가능성을 제시한다.
