一篇新论文分析了机器学习遗忘技术，特别是针对二阶优化器，发现当前定义可能不足。研究比较了一阶和二阶优化器在数据删除任务中的表现，指出虽然两种方法都显示出性能和梯度对齐，但二阶优化器表现出状态波动性。这种波动性表明存在一阶分析可能忽略的残余信息，表明需要受控的状态扰动来完全擦除几何信息。 AI
影响 强调了当前针对高级优化器的机器学习遗忘方法可能存在的差距，为数据隐私提出了新的研究方向。
排序理由 关于机器学习遗忘技术的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.23046v1 Announce Type: cross Abstract: We argue that current definitions of machine unlearning are underspecified for second-order optimizers. We compare first-order and second-order learners for their ability to handle the data deletion task with varying degrees of ei…
We argue that current definitions of machine unlearning are underspecified for second-order optimizers. We compare first-order and second-order learners for their ability to handle the data deletion task with varying degrees of eigendecomposition to mimic the loss model memory. W…