研究人员推出了一种新颖的拆分联邦遗忘框架SplitReAlign。该方法解决了在分布式神经网络中移除特定知识的挑战,同时即使在不对称更新约束下也能保持整体效用。SplitReAlign通过创建由共享语义锚点协调的独特表示子空间来实现遗忘信息的定向重新对齐。在CIFAR-10和CIFAR-100数据集上的实验表明,SplitReAlign在各种设置下均取得了最接近重新训练的结果,其中仅服务器(Server-only)方法在更新受限的情况下尤其有效。 AI
影响 这项研究通过实现对特定数据的更精确移除而不损害整体模型性能,有望提高分布式环境中训练AI模型的效率和安全性。
排序理由 该集群包含一篇详细介绍联邦遗忘新方法的论文。[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 →