arXiv · ML· Youssef Allouah, Joshua Kazdan, Rachid Guerraoui, Sanmi Koyejo·· 2026-10-08AI 评分31
分布内与分布外机器遗忘的效用与复杂度分析
The Utility and Complexity of in- and out-of-Distribution Machine Unlearning
AI 导读
论文分析了近似机器遗忘的效用、时间与空间复杂度权衡,提供类似差分隐私的严格认证。 对分布内遗忘数据,经验风险最小化结合输出扰动实现紧凑的遗忘-效用-复杂度权衡,填补了与差分隐私“免费”遗忘的理论分离空白。 分布外数据导致遗忘时间复杂度超过重训练,新提出的鲁棒噪声梯度下降变体可在不损害效用的前提下摊销遗忘时间复杂度。
来源:arXiv · ML · arxiv.org