研究人员提出SHIFT方法实现大模型机器遗忘
热点事件持续更新
研究人员提出SHIFT方法实现大模型机器遗忘
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Luong 和 Chen 在 arXiv 上发布论文，提出名为 SHIFT 的机器遗忘方法。该方法基于 Shrink-and-Heal Lookahead 生成蒸馏目标，通过外推预测器的逐词变化并迭代优化，在 OpenUnlearning 协议下取得最高综合得分，性能提升 3.7 倍。 在 MUSE 基准测试中，SHIFT 能够有效避免基线方法在较大优化预算下的过冲现象，保留最多知识，实现了机器遗忘任务中的最优性能。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
SHIFT 方法通过 Shrink-and-Heal Lookahead 实现大模型机器遗忘报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · MLSHIFT 方法通过 Shrink-and-Heal Lookahead 实现大模型机器遗忘
SHIFT 方法通过 Shrink-and-Heal Lookahead 生成蒸馏目标，在机器遗忘任务中实现最优性能。 在 OpenUnlearning 协议下，SHIFT 取得最高综合得分，较次优方法对 oracle 模型对齐度提升 3.7 倍。 在 MUSE 基准上保留最多知识，且在较大优化预算下能避免基线方法过冲。
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。