当遗忘是免费的：利用低影响点降低计算成本

苹果研究提出利用低影响点实现“免费遗忘”，通过识别训练数据中对模型输出影响微小的子集，在遗忘时无需额外计算成本。

• 现有遗忘方法通常平等对待所有遗忘点，但该研究通过影响函数分析，发现部分数据点对模型学习影响可忽略。
• 在语言和视觉任务上，识别出低影响子集后，移除它们几乎不改变模型行为，因此无需执行昂贵的遗忘操作。
• 该方法可大幅降低遗忘的计算成本，使数据隐私合规更高效。
• 影响/看点：该研究为机器学习中的“被遗忘权”提供了实用解决方案，有望降低企业合规成本，同时保持模型性能。

本内容由 AI 生成，仅供参考，请注意甄别