研究：输出层遗忘不等于真正遗忘

一项机器卸载（MU）研究发现，标准输出级评估会系统性高估卸载成功率。研究者称，当前方法在输出层看似已遗忘，但相对重训练模型仍存在表征层面的结构化错配，表现为遗忘/保留样本不对称、方向性偏差和沿重训练相关方向集中的残差。 研究指出，这些差异往往超过独立重训练的波动范围，并可能在再学习攻击中导致信息恢复。结论是当前 MU 评测的是表面遗忘，而非与重训练一致的遗忘。该论文由 Teresa Pui Yee Yong、Win Kent Ong、Chee Seng Chan 发表。

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。