English(EN) The BatchNorm Illusion: Diagnosing Normalization Artifacts in Machine Unlearning Evaluation

机器学习遗忘评估受 BatchNorm 伪影影响而存在缺陷

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员发现机器学习遗忘评估中存在一个显著的伪影，尤其影响使用 BatchNorm（批量归一化）的模型。这种被称为“BatchNorm 幻觉”的伪影，可以在不改变任何权重的情况下，通过在单次前向传播中改变模型的归一化状态，来逆转明显的遗忘指标。研究表明，这种幻觉可以将遗忘准确率提高多达 78 个百分点，并且可以通过使用 GroupNorm 代替 BatchNorm 来缓解。研究结果表明，由于这种测量偏差，先前的评估可能高估了遗忘方法的有效性。 AI

影响突出了机器学习遗忘评估中的一个关键缺陷，可能使先前的结果无效，并需要新的评估协议。

排序理由学术论文，详细介绍了机器学习遗忘评估方法中的一种新伪影。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 9 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了机器学习遗忘评估方法中的一种新伪影。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Aaryaman Kalani, Murari Mandal, Dhruv Kumar, Mohan Kankanhalli, Yash Sinha · 2026-09-10 04:00

BatchNorm 幻觉：机器学习模型遗忘评估中的归一化伪影诊断

arXiv:2609.08901v1 Announce Type: new Abstract: Approximate machine unlearning aims to remove the influence of specific training data from a trained model without retraining from scratch. We identify a previously undocumented confound in how unlearning is evaluated on BatchNorm-b…

本文如何被排名

报道来源 [1]

BatchNorm 幻觉：机器学习模型遗忘评估中的归一化伪影诊断

相关实体

相关话题