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

苹果研究人员提出高效的机器学习遗忘方法，成本降低50%

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-13 00:00

苹果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。通过识别和利用对模型输出影响可忽略不计的数据点，他们的框架可以在遗忘过程之前减小数据集的大小。这种方法可以节省大量计算资源，在语言和视觉任务的真实世界实证示例中，节省量高达约50%。 AI

影响这项研究可能为机器学习应用中的数据隐私解决方案带来更高效、更具成本效益的方案。

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 ist 研究论文。[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) · 2026-08-13 00:00

When Unlearning Is Free: Leveraging Low Influence Points to Reduce Computational Costs

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 …