Google Research propose un nouveau cadre d'audit de l'oubli machine
Titre original:New framework for auditing machine unlearning
Résumé IA
Google Research a présenté à AISTATS 2026 un test de noyau à f-divergence régularisée pour auditer efficacement l'oubli machine des modèles comme les LLM. La méthode utilise un test statistique à deux échantillons pour déterminer si un modèle a réellement « oublié » certaines données d'entraînement, évitant le coût considérable d'un réentraînement complet. Comparé à des outils existants comme la divergence maximale moyenne, le nouveau cadre contrôle naturellement les faux positifs pour toute taille d'échantillon, et le risque de faux négatifs converge de manière fiable vers zéro à mesure que les échantillons disponibles augmentent, résolvant le problème du coût de calcul excessif dans l'audit de grands modèles.
Points clés
- Google Research a présenté à AISTATS 2026 un test de noyau à f-divergence régularisée pour auditer…
- La méthode utilise un test statistique à deux échantillons pour déterminer si un modèle a…
- Comparé à des outils existants comme la divergence maximale moyenne,le nouveau cadre contrôle…
En bref
- Publié
- Mis à jour
- Source
- Google Research:Blog(网页)
- Catégorie
- Articles et recherche
- Score 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Google Research propose un nouveau cadre d'audit de l'oubli machine. 10. juin 2026. https://new.nat6.net/fr/news/cmq8f6o8v01weslld6q3q39ne/