English(EN) When unlearning is free: leveraging low influence points to reduce computational costs

新的遗忘方法将人工智能模型训练成本降低 50%

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了一种新的高效机器学习模型遗忘框架，该框架侧重于识别和删除对模型整体性能影响可忽略不计的数据点。这种方法在最近的一篇 arXiv 论文中有所详述，它分析了数据点在各种任务中对模型输出的影响。通过在遗忘前减小数据集大小，该方法在实际应用中可以实现高达 50% 的显著计算节省。 AI

影响这项研究可以显著降低与人工智能模型数据隐私合规相关的计算成本。

排序理由学术论文，详细介绍了一种新的机器学习遗忘方法。[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]

arXiv cs.LG TIER_1 English(EN) · Anat Kleiman, Robert Fisher, Ben Deaner, Udi Wieder · 2026-07-31 04:00

当遗忘成本为零时：利用低影响力点降低计算成本

arXiv:2512.05254v2 Announce Type: replace Abstract: 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 resp…