Datatrove

新系统追踪AI数据溯源，实现精确的遗忘学习

研究人员开发了OriginBlame，一个用于追踪AI训练数据集中记录和标记级别数据溯源的新颖系统。该系统解决了在收到贡献者请求时遗忘特定数据的挑战，而当前的文件或数据集级别的工具无法精确完成此任务。OriginBlame在数据处理管道中传播作者身份，从而能够创建用于删除请求的确切遗忘集。评估表明，与数据集级别的方​​法相比，这种方法显著减少了过度删除，并提高了遗忘学习的性能。