SURF：邻居训练小模型再减分数，推荐系统遗忘成本仅重训 2%

_reachsumit · x · 2026-09-17

Filippo Betello 等人提出面向序列推荐系统的轻量机器遗忘框架 SURF，应对 GDPR 等合规要求下的用户隐私需求。

三步做法：在嵌入空间定位待遗忘物品的邻域；在该局部子集上训练辅助模型；推理时从原模型分数中减去辅助模型分数。相比需要全量重训或忽略时序交互的现有方案，SURF 在 7 个数据集上对比 5 个基线，遗忘效果接近全量重训，NDCG@20 最高提升 32%，耗时仅约重训基线的 2%，代码已开源。