PulseAugur
中
实时 17:46:22
English(EN) Lifting Data-Tracing Machine Unlearning to Knowledge-Tracing for Foundation Models

基础模型：将遗忘从数据追踪转向知识追踪

作者 PulseAugur 编辑部 · [1 个来源] ·

这篇立场论文提出将基础模型的机器遗忘从数据追踪转向知识追踪。作者认为，当前的数据追踪方法对于基础模型来说不切实际，因为用户通常无法访问海量训练数据集。相反，他们建议基于模型不应拥有的知识或能力进行遗忘，这更符合人类遗忘的认知过程。论文还概述了这种知识追踪方法面临的重大挑战，并以一个视觉-语言基础模型为例进行了案例研究。 AI

影响 为基础模型的遗忘提出了新范式，可能简化合规性并与人类认知过程保持一致。

排序理由 这是一篇研究论文，提出了一种基础模型机器遗忘的新方法。[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 →

基础模型：将遗忘从数据追踪转向知识追踪

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yuwen Tan, Boqing Gong ·

    Lifting Data-Tracing Machine Unlearning to Knowledge-Tracing for Foundation Models

    arXiv:2506.11253v2 Announce Type: replace-cross Abstract: Machine unlearning removes certain training data points and their influence from AI models (e.g., when a data owner revokes their consent to allow models to learn from the data). In this position paper, we propose to lift …

相关实体

相关话题