English(EN) When Unlearning Is Free: Leveraging Low Influence Points to Reduce Computational Costs

苹果研究人员提出一种节省成本的AI模型遗忘方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-17 00:00

来自苹果公司、哈佛大学和伦敦大学学院的研究人员开发了一种新的机器学习遗忘方法，可显著降低计算成本。他们的方法识别并利用对模型输出影响可忽略不计的数据点，从而在遗忘过程中使用更小的数据集。该方法在实际应用中可实现高达约50%的计算节省，解决了日益增长的AI数据隐私问题。 AI

影响降低机器学习中数据隐私技术的计算成本，可能加速其采用。

排序理由该集群包含一篇详细介绍机器学习遗忘新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Apple Machine Learning Research TIER_1 English(EN) · 2026-07-17 00:00

当遗忘免费时：利用低影响力点降低计算成本

As concerns around data privacy in machine learning grow, the ability to unlearn—or remove—specific data points from trained models becomes increasingly important. While state-of-the-art unlearning methods have emerged in response, they typically treat all points in the forget se…