retrained model

新研究质疑机器学习“反学习”评估的有效性

arXiv上的一篇新论文质疑了当前机器学习“反学习”（MU）评估方法的有效性。研究人员发现，标准的输出级指标，如遗忘集准确率和logit级成员推理，可能高估了“反学习”的成功率。通过与从头开始重新训练的模型进行比较，研究表明，许多当前的MU方法即使在输出级遗忘似乎已完全实现时，也表现出表示空间中的结构化不匹配。这表明当前的评估可能认证的是表面上的遗忘，而不是与真正重新训练一致的“反学习”。