ALU框架：支持大规模数据遗忘且计算效率优于重训练
gkdziugaite · x · 2026-07-07
非对称朗之万遗忘（ALU）框架具备两大核心能力：大规模遗忘能力，可遗忘私有数据集的恒定比例，而标准对称方法在此规模下不可行；严格的计算优势，ALU的计算复杂度在理论上优于从头重新训练，同时保持遗忘认证。
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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11