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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11