噪声认证遗忘存在效用天花板，大规模删除场景下失效
gkdziugaite · x · 2026-07-07
现有基于噪声的认证机器遗忘方法存在根本性局限：为保证遗忘认证所需添加的噪声量，会在大规模删除请求场景下严重损害模型效用，形成效用天花板。这一瓶颈促使研究者开发利用公开数据降低噪声代价的ALU框架。
所属事件:ICML 2026论文提出ALU框架，突破大规模机器遗忘瓶颈(5 条相关)→
「研究」频道最新
- 斯坦福团队推出全球最快分词器 Gigatoken — StanfordAILab · 2026-07-22
- Tabul AI 推出 Metal TreeSHAP，加速 Apple silicon 上的 Shapley 计算 — Scobleizer · 2026-07-22
- Reddit 转发 OpenAI 的 ChatGPT 广告页面 — EcstaticAsparagus509 · 2026-07-22
- 开源 runtime 让每个仓库自定义 AI 代码审查器 — ibabufrik · 2026-07-22
- DeepSWE：专攻真实 GitHub 场景的 AI 编码智能体评测基准 — pmz · 2026-07-22
- Claude 辅助写成的 Rust 太空经济模拟器，能跑数百艘自治船只 — kalcode · 2026-07-22