Google Research propone un nuevo marco para auditar el olvido automático en máquinas
Título original:New framework for auditing machine unlearning
Resumen de IA
Google Research presentó en AISTATS 2026 una prueba de núcleo de f-divergencia regularizada para auditar de forma eficiente el olvido automático en modelos como los LLM. El método emplea una prueba estadística de dos muestras para determinar si un modelo realmente "olvidó" datos de entrenamiento específicos y evita el enorme coste de reentrenarlo por completo. Frente a herramientas existentes como la máxima diferencia media, el nuevo marco controla teóricamente los falsos positivos de forma natural con cualquier tamaño de muestra, y el riesgo de falsos negativos converge de manera fiable a cero a medida que aumentan las muestras disponibles, lo que resuelve el alto coste computacional de auditar modelos a gran escala.
Puntos clave
- Google Research presentó en AISTATS 2026 una prueba de núcleo de f-divergencia regularizada para…
- El método emplea una prueba estadística de dos muestras para determinar si un modelo realmente…
- Frente a herramientas existentes como la máxima diferencia media,el nuevo marco controla…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Google Research:Blog(网页)
- Categoría
- Artículos e investigación
- Puntuación IA
- 63
机器遗忘是AI合规的硬需求,但验证‘真忘了’一直是统计难题。谷歌这篇AISTATS论文提出了一套更灵敏的差异测试框架,做隐私审计的值得细看。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Google Research propone un nuevo marco para auditar el olvido automático en máquinas. 10. junio 2026. https://new.nat6.net/es/news/cmq8f6o8v01weslld6q3q39ne/