学习方式影响机器遗忘效果
热点事件持续更新
学习方式影响机器遗忘效果
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hwiyeong Lee 等作者发表论文，研究模型训练时的学习策略如何影响后续机器遗忘效果。他们在 modular addition 任务中利用 grokking 区分记忆型与泛化型模型，发现泛化型模型在遗忘时 retain set 性能下降更大。 作者进一步提出 bucketed modular addition 以精细控制两种策略的贡献，称该趋势在整个记忆-泛化谱系上近乎单调成立，并在 LLM 的逐字回忆与事实回忆遗忘场景中同样得到验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
学习如何决定遗忘：记忆-泛化谱系下的机器遗忘研究报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LG学习如何决定遗忘：记忆-泛化谱系下的机器遗忘研究
研究揭示模型的学习方式会决定其后续遗忘效果：通过 modular addition 中的 grokking 区分记忆型与泛化型模型后，发现泛化型模型在遗忘时 retain set 性能下降更大。作者进一步提出 bucketed modular addition 精细控制两种策略贡献，证实该趋势在整个记忆-泛化谱系上近乎单调成立，并在 LLM 的逐字与事实回忆遗忘场景中同样得到验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。