threshold learners

机器遗忘研究强调数据删除的挑战

两篇新研究论文探讨了机器遗忘的复杂性，重点关注模型的学习过程如何影响其遗忘特定数据的能力。第一篇论文研究了“仅遗忘式遗忘”，即模型必须仅使用训练模型和需要遗忘的示例来删除数据，发现这个过程可能具有挑战性，并且可能需要模型保留比标准训练更多的信息。第二篇论文考察了记忆和泛化之间的谱系，证明高度依赖记忆的模型在发生遗忘时性能下降更大。两项研究都强调了在开发有效的遗忘方法时考虑学习动态的重要性。