IDSISA

新的IDSISA方法提高了机器学习遗忘的效率和效用

研究人员开发了IDSISA，一种高效的机器学习遗忘新方法，旨在移除特定训练数据的影响，同时保持模型的效用。与计算成本高昂的完全重新训练不同，IDSISA采用影响函数将易遗忘的样本集中到更少的分片中，并利用来自未受影响分片的蒸馏来恢复丢失的效用。这种方法提供了继承自SISA的确切删除保证，以及对效用恢复的经验性有界近似。在各种数据集和架构上的实验表明，与现有的SISA方法相比，在选择性遗忘和效用保留方面有了显著的改进。