研究者提出决策模型遗忘评测框架DecisionUnlearn-Bench
热点事件持续更新
研究者提出决策模型遗忘评测框架DecisionUnlearn-Bench
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Tiantong Wu 与 Wei Yang Bryan Lim 提出并发布 DecisionUnlearn-Bench，一个用于评估概率决策模型遗忘效果的实证框架。该框架在删除粒度、标签呈现方式和候选集变化三种条件下，对比完整模型、遗忘模型与仅保留模型的表现。 在 BANKING77 的 20 组模型配置中，删除范围从样本扩大到关联、再到类别时，完整模型与重训练 oracle 的偏差持续增大。研究者称，用不透明代码替换语义选项标签后，重训练 oracle 对已删除类别的识别几乎被消除。
AI 根据报道生成 · 3 小时前更新
最新进展10月31日 12:00
DecisionUnlearn-Bench：在模式变化下评估概率决策模型的遗忘效果报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIDecisionUnlearn-Bench：在模式变化下评估概率决策模型的遗忘效果
研究者提出 DecisionUnlearn-Bench，一个在删除粒度、标签呈现方式和候选集变化下对比完整模型、遗忘模型与仅保留模型的实证框架。在 BANKING77 的 20 组模型配置中，从样本到关联再到类别删除，完整模型与 oracle 的偏差持续增大；用不透明代码替换语义选项标签几乎消除了重训练 oracle 对已删除类别的识别。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。