机器遗忘效用与复杂度权衡研究发布

Youssef Allouah等作者发布论文，分析近似机器遗忘在效用、时间与空间复杂度上的权衡，并给出类似差分隐私的严格认证。 对于分布内遗忘数据，论文称带输出扰动的经验风险最小化即可实现紧致的遗忘-效用-复杂度权衡；而分布外遗忘数据即使只删一个样本，遗忘时间也可能超过重新训练。为此作者提出一种带噪梯度下降变体，称其能在不损失效用的情况下摊薄遗忘时间。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。