待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

少步蒸馏文生图模型的概念遗忘：偏好驱动框架解析

涉及实体

机器遗忘concept 遗忘率concept 留存率concept

相关事实

待验证无差别的记忆堆积不仅昂贵，还会让检索被无关噪声淹没，而懂得遗忘的系统可能给出更相关的输出73% 相似待验证差分隐私训练、去重预处理和机器遗忘等缓解记忆化的技术方案均会在不同程度上牺牲模型性能72% 相似待验证微调存在灾难性遗忘风险，针对某一行为的微调可能降低模型在其他任务上的表现71% 相似待验证研究表明LLM在处理过长、过复杂的指令集时整体遵循率会系统性下降，即指令遗忘现象71% 相似已验证艾宾浩斯遗忘曲线揭示记忆强度随时间呈指数级衰减，通过间隔重复可延缓这一过程70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990741

API

curl https://kongchang.com/api/v1/knowledge/claims/990741

MCP

get_claim(id=990741)