论文提出可审计的LLM遗忘方法GapWiden与GapVeil
热点事件持续更新
论文提出可审计的LLM遗忘方法GapWiden与GapVeil
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
arXiv 论文《Auditable Unlearning for LLMs》提出把可审计性作为机器遗忘的第四项评价维度，即在提供方计算的统计量下区分遗忘集与保留集。作者 Piyush Tiwary 提出两阶段方法 GapWiden 与 GapVeil，称可叠加在任何遗忘方法之上：第一阶段 GapWiden 用 hinge loss 拉大遗忘集与保留集审计统计量之间的差距。 该论文将可审计性列为独立评价维度，但报道未给出该方法在具体模型或数据集上的验证结果。
AI 根据报道生成 · 25 分钟前更新
最新进展11月4日 10:58
arXiv 论文提出 LLM 机器遗忘的可审计性维度与 GapWiden、GapVeil 方法报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 隐私论文arXiv 论文提出 LLM 机器遗忘的可审计性维度与 GapWiden、GapVeil 方法
arXiv 论文《Auditable Unlearning for LLMs》提出把可审计性作为机器遗忘的第四项评价维度，即在提供方计算的统计量下区分遗忘集与保留集。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。