二阶序列机器遗忘误差累积研究
热点事件持续更新
二阶序列机器遗忘误差累积研究
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Chen Shang 发表论文,研究高维设定(参数量 p 与样本量 n 成正比)下二阶序列机器遗忘方法的误差累积问题,区分部分遗忘与完全遗忘、逐点认证与路径认证两种隐私设定。 论文称,逐点部分、路径部分、逐点完全、路径完全认证分别最多需 1、2、2、3 次 Newton–CG 更新即可成功认证,并使已发布模型的总体风险退化消失。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 00:57
二阶序列机器遗忘中的误差累积研究报道时间线
沿着报道,了解事件的不同侧面。
11月3日
- arXiv 隐私论文二阶序列机器遗忘中的误差累积研究
研究在高维设定(参数量 p 与样本量 n 成正比)下,二阶序列机器遗忘方法的误差累积问题,区分部分遗忘与完全遗忘、逐点认证与路径认证两种隐私设定。理论表明,逐点部分、路径部分、逐点完全、路径完全认证分别最多需 1/2/2/3 次 Newton–CG 更新即可成功认证并使已发布模型的总体风险退化消失。
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。