[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-91679":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"91679","ai","论文研究","Apple Machine Learning Research",60,"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数据点降低机器学习模型遗忘成本的方法，通过影响函数识别可忽略的训练数据。","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。\n· 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。\n· 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。\n· 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。\n影响\u002F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。","https:\u002F\u002Fmachinelearning.apple.com\u002Fresearch\u002Funlearning-free-low-influence",null,"2026-07-17 08:00:00"]