论文提出基于代理的近似遗忘统一框架

Virgile Dine 和 Teddy Furon 提交的论文提出一个统一框架，将近期基于代理的机器遗忘方法推广，并证明遗忘后模型与保留数据理想后验分布之间 KL 散度的上界。 方法把近似遗忘建模为约束优化问题，在输出空间引入按代理自适应缩放的遗忘信号以保证行为上界，必要时以目标模型为教师将更新蒸馏进权重。论文称，在两个遗忘场景实验中，该方法所得分类器最接近从头重训练的模型。

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。