บทความและงานวิจัย

Google Research เสนอกรอบการตรวจสอบ machine unlearning ใหม่

หัวข้อต้นฉบับ:New framework for auditing machine unlearning

สรุปโดย AI

Google Research เผยแพร่ Regularized f-Divergence Kernel Test ในงาน AISTATS 2026 เพื่อตรวจสอบ machine unlearning ของโมเดล LLM และอื่นๆ อย่างมีประสิทธิภาพ วิธีการนี้ใช้การทดสอบสองตัวอย่างทางสถิติเพื่อตัดสินว่าโมเดล "ลืม" ข้อมูลฝึกอบรมเฉพาะได้จริงหรือไม่ หลีกเลี่ยงต้นทุนมหาศาลจากการฝึกใหม่ทั้งหมด เมื่อเทียบกับเครื่องมือที่มีอยู่เช่น Maximum Mean Discrepancy กรอบใหม่นี้ควบคุมผลบวกลวงได้ตามธรรมชาติในทุกขนาดตัวอย่าง และความเสี่ยงผลลบลวงลดลงสู่ศูนย์อย่างเชื่อถือได้เมื่อมีตัวอย่างเพิ่มขึ้น แก้ปัญหาต้นทุนการคำนวณสูงในการตรวจสอบโมเดลขนาดใหญ่

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Google Research:Blog(网页)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
63
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Google Research เสนอกรอบการตรวจสอบ machine unlearning ใหม่ 10 มิถุนายน 2026 https://new.nat6.net/th/news/cmq8f6o8v01weslld6q3q39ne/

ดูทั้งหมด →