Apple 研究：低影响点可降unlearning成本
Apple ML Research · rss · 2026-07-17
这篇 Apple ML Research 的工作讨论“unlearning”问题：当需要从训练好的模型中移除特定数据点时，现有方法通常把忘记集里的所有样本一视同仁，但这未必必要。 作者提出，可以先用 influence functions 分析训练样本对模型输出的影响，找到那些对模型学习影响很小的数据点，并据此减少需要处理的样本范围，从而降低 unlearning 的计算成本。论文同时在语言与视觉任务上做了比较分析。