关于仅使用单一训练模型种子评估机器遗忘的限制

于红博

摘要: 机器取消学习（MU）旨在从经过训练的模型中删除特定数据点的影响，而无需进行昂贵的重新训练。大多数实用的MU算法只是近似的，它们的性能只能通过经验评估。因此，必须小心地使经验比较尽可能具有代表性。一个常见的做法是从相同训练模型开始独立运行MU算法多次。在这项工作中，我们证明了这种做法可能会产生非常不具代表性的结果，因为即使对于相同的架构和相同的数据集，一些MU方法对于用于模型训练的随机数种子的选择可能非常敏感。因此，我们建议MU算法的经验比较也应反映出不同模型训练种子之间的变异性。

更新时间: 2025-10-30 17:13:42

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2510.26714v1