Google Research предложил новый фреймворк для аудита машинного забывания
Оригинальный заголовок:New framework for auditing machine unlearning
ИИ-резюме
Google Research на AISTATS 2026 представил регуляризованный тест ядра f-дивергенции для эффективного аудита машинного забывания в LLM и других моделях. Метод с помощью статистического двухвыборочного теста определяет, действительно ли модель «забыла» определённые обучающие данные, избегая огромных затрат на полное переобучение. По сравнению с существующими инструментами, такими как максимальное среднее расхождение, новый фреймворк теоретически естественно контролирует ложноположительные срабатывания при любом размере выборки, а риск ложноотрицательных результатов надёжно сходится к нулю по мере увеличения доступных образцов, что решает проблему чрезмерных вычислительных затрат при аудите крупномасштабных моделей.
Ключевые моменты
- Google Research на AISTATS 2026 представил регуляризованный тест ядра f-дивергенции для…
- Метод с помощью статистического двухвыборочного теста определяет,действительно ли модель «забыла»…
- По сравнению с существующими инструментами,такими как максимальное среднее расхождение,новый…
Кратко
- Опубликовано
- Обновлено
- Источник
- Google Research:Blog(网页)
- Категория
- Статьи и исследования
- Оценка ИИ
- 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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Google Research предложил новый фреймворк для аудита машинного забывания. 10 июня 2026. https://new.nat6.net/ru/news/cmq8f6o8v01weslld6q3q39ne/