conditional autoencoder

新框架实现了语言模型中原则性的非线性概念擦除

研究人员开发了一个新的框架，使用条件自编码器实现语言模型中的非线性概念擦除。该方法旨在移除学习表示中的敏感属性（如性别或种族），同时保留与任务相关的​​信息。该方法比以前的非线性方法提供了更强的经验擦除能力，并提供正式保证，在各种数据集和模型上实现了更好的效用-擦除权衡。此外，该框架支持概念转换，允许在无需额外训练的情况下将表示引导至不同的概念值。