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
- AlphaFold 背后是五十年实验数据，纯第一性原理仿真仍需实验 — vishalmisra · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- 研究者发现「Forking」现象：训练损失下降验证损失反升 — ZimingLiu11 · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26