Raúl

新研究以新颖的多目标框架解决机器学习遗忘问题

两篇新研究论文提出了机器学习遗忘的新颖方法，这是一个从训练模型中移除特定数据影响的过程。第一篇论文《有多难？硬度感知多目标遗忘》介绍了HAMU，它根据数据相似性量化遗忘的难度，并保证在最小化效用损失的同时，遗忘质量得到指定程度的提升。第二篇论文《多目标参考对齐机器学习遗忘》提出了RAUL框架，该框架将遗忘样本的预测与参考分布对齐，以约束遗忘并减少与保留的冲突，旨在最小化与完全重新训练的差距。