English(EN) Models Designed to Forget: Machine Unlearning via Key Deletion

新的“设计即遗忘”方法可在零样本下实现人工智能模型遗忘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员引入了一种名为“设计即遗忘”的新范式，用于机器学习模型，旨在促进高效的数据删除。该方法通过将遗忘能力直接集成到模型的架构中，与传统的事后方法形成对比。提出的 MUNKEY（通过密钥删除实现机器遗忘）方法使用了一个内存增强的 Transformer，将实例特定的记忆与模型权重分离，从而无需更新权重或访问原始训练数据即可实现零样本遗忘。在各种基准测试中的实验表明，MUNKEY 在速度和预测性能方面优于现有的事后方法。 AI

影响这项研究通过实现更快、更有效地从人工智能模型中删除特定数据实例，有可能简化数据隐私合规性和模型维护。

排序理由该集群包含一篇详细介绍新机器学习方法的学术论文。[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: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新机器学习方法的学术论文。[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, model release; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Sonia Laguna, Jorge da Silva Goncalves, Moritz Vandenhirtz, Alain Ryser, Irene Cannistraci, Julia E. Vogt · 2026-10-28 04:00

可遗忘模型：通过关键删除实现机器遗忘

arXiv:2603.15033v5 Announce Type: replace Abstract: Machine unlearning for vision models is rapidly becoming a practical requirement, driven by privacy regulations, data errors, and the need to remove harmful or corrupted training images. Despite this, most existing approximate u…

本文如何被排名

报道来源 [1]

可遗忘模型：通过关键删除实现机器遗忘

相关实体

相关话题