feature recovery

研究质疑机器学习“遗忘”算法的有效性

一篇新的研究论文探讨了机器学习“遗忘”算法的有效性，该算法旨在从训练好的模型中移除特定数据。研究表明，将“遗忘”后的模型与重新训练的模型进行比较的标准评估方法可能具有误导性。研究人员发现，即使模型产生相似的输出，它们可能学习了不同的底层特征。这种差异在将模型适应新任务或从数据中重新学习时可能导致问题。该论文引入了一种新的评估特征恢复的指标，并证明许多当前的“遗忘”方法在该指标上表现不佳，尽管在标准评估上表现良好。