待验证50% 置信事实精确时间
该研究揭示了梯度-based 机器遗忘中损失与行为之间的根本性脱节，并提供了一个统一的输出空间分析框架。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证梯度-based 机器遗忘方法通常通过优化遗忘损失和保留损失来实现遗忘，但相似的损失值并不必然意味着相似的输出空间行为。78% 相似待验证该研究提出的核心问题是：当梯度-based 遗忘器与仅在保留数据上重新训练的模型存在差异时，这种输出空间差距具有怎样的结构。78% 相似待验证机器遗忘衡量质量的两个核心指标是遗忘率（Forget Rate）与留存率（Retain Rate），两者存在天然张力，过度遗忘会导致概念坍塌75% 相似待验证这两个杠杆矩阵在理论和实验上均被证明驱动了遗忘残差对遗忘输出和保留输出的影响。75% 相似待验证论文对代数衰减预测记忆的指数模式和有限状态模式证明了近似上界和下界完全匹配72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113851API
curl https://kongchang.com/api/v1/knowledge/claims/1113851MCP
get_claim(id=1113851)