본 논문은 데이터 중심 AI 시대의 핵심 요소인 데이터 가치 평가에 대해 연구합니다. 특히, 기존의 in-distribution (ID) 환경에서의 데이터 가치 평가 방법이 out-of-distribution (OOD) 환경에서는 일반화되지 않는 문제점을 지적하고, 이를 해결하기 위해 ID 데이터만 사용하여 OOD 견고성을 확보하는 플러그 앤 플레이 방식의 'Eigen-Value (EV)' 프레임워크를 제안합니다. EV는 ID 데이터의 공분산 행렬 고유값 비율을 사용하여 도메인 불일치를 근사하고, 섭동 이론을 통해 각 데이터 포인트의 기여도를 추정합니다. EV는 ID 손실 기반 방법에 EV 항을 추가하여 계산 효율성을 유지하면서 OOD 견고성을 향상시킵니다.
