论文用量化充分统计实现精确机器遗忘
原文标题：Exact Unlearning via Quantized Sufficient Statistics
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出量化充分统计量（QSS）方法，将冻结模式与可变可加内容分离，使删除内容成为精确减法而非重新优化。区分QSS-L（仅删标签）与QSS-E（删输入与标签）两种保证，删除以概率走算术快路径否则全量重建。在15个视觉、文本与表格数据集上，QSS-L在低类别数任务上删除延迟降低4至483倍。
- 问题
- 精确遗忘需重训或分片，每次删除请求仍使模型失效且数据受限。
- 方法
- 量化充分统计量将冻结模式与可加内容分离，删除变为精确减法，否则概率触发全量重建。
- 结果
- 15个数据集上ρ=0.5%时，低类别数任务删除延迟降低4至483倍，11个任务精度与SISA差距在2个百分点内。
- 影响
- 让合规删除从重训成本变为算术操作，适合需频繁响应删除请求的部署场景。
深读 · 结论先行AI 生成展开看要点与影响 ↓
QSS把删除变成精确减法，低类别任务上删除延迟降低4至483倍
- •将冻结的schema与可变的、可加和分解的content分离，删除content即精确减法而非重新优化
- •区分QSS-L（只删标签、保留无标签输入）与QSS-E（输入与标签都删）两种保证
- •删除以概率1-ρ走算术快路径，否则全量重建，报告延迟已包含两种事件
- •15个视觉、文本、表格数据集上ρ=0.5%，QSS-L在11个任务上精度与SISA差距2个百分点内，低类别数任务延迟低4至483倍
为什么重要：精确遗忘此前每次删除请求都会使模型失效，分片越小可用数据越少；QSS在保持精度的同时把删除成本压到算术级，对合规删除场景有实际意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。