从代理实现精确忘却，引出近似忘却的接近性保证
机器学习
2026-05-12 v1
摘要
本文提出了一种范式转变，将机器忘却直接链接到数据分布的结构，而非仅仅是神经网络参数的更新。我们展示，精确推断这些分布可实现对建模引发的精确忘却信号的提炼。理论上，我们在可验证的可接受性准则下，对理想重新训练模型与我们忘却模型之间的 KL 散度提供了界限，揭示了我们框架的严谨性。这一方法在三个忘却场景中进行了实验验证，显示在与竞争方法比较时，达到了最接近理想重新训练模型的分类器。
引用
@article{arxiv.2605.10680,
title = {Exact Unlearning from Proxies Induces Closeness Guarantees on Approximate Unlearning},
author = {Virgile Dine and Teddy Furon},
journal= {arXiv preprint arXiv:2605.10680},
year = {2026}
}