论文分析仅遗忘式机器遗忘的记忆下界
热点事件历史事件
论文分析仅遗忘式机器遗忘的记忆下界
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
arXiv 论文研究“仅遗忘式”机器遗忘是否总是可行：删除算法只拿到已训练模型和待遗忘样本，没有保留数据或额外训练信息。作者 Luka Radić 证明可行性取决于学习方法——不同数据集可产生相同训练模型，删除同样样本后却需要截然不同的输出，并据此推导出遗忘结果逼近重训练的精度下界。 论文称，对简单阈值学习器，处理任意删除请求所需记忆的信息量可达整个数据集，而普通训练只保留一个边界点。
AI 根据报道生成 · 3 天前更新
最新进展10月8日 01:55
为何仅遗忘式机器遗忘需要记忆：arXiv 论文给出下界分析报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 隐私论文为何仅遗忘式机器遗忘需要记忆：arXiv 论文给出下界分析
arXiv 论文研究仅接收已训练模型和待遗忘样本、无保留数据的“仅遗忘式”机器遗忘是否总是可行。作者证明这取决于学习方法：不同数据集可产生相同训练模型，却在删除同样样本后需要截然不同的输出，并据此推导出遗忘结果逼近重训练的精度下界。对简单阈值学习器，处理任意删除请求所需记忆的信息量可达整个数据集，而普通训练只保留一个边界点。