热点事件持续更新
Mamushi：非参数化LLM分布式遗忘框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv 发表关于分布式机器学习遗忘的论文，提出 Mamushi 框架。该框架通过非参数化概率分类器对遗忘样本排序，其 Bayes 最优 logit 等于遗忘与保留的对数密度比。在毒语言和主题领域移除实验中，Mamushi 实现了更优的移除-保留权衡，并能减少达到固定遗忘目标所需的遗忘样本数。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
论文提出 Mamushi 框架，在毒语言和主题领域移除实验中实现更优的移除-保留权衡。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Artificial Intelligence分布式机器学习遗忘：Mamushi 框架实现非参数化 LLM 表示空间解学习
论文提出 Mamushi 框架，通过非参数化概率分类器对遗忘样本排序，其 Bayes 最优 logit 等于遗忘与保留的对数密度比。在毒语言和主题领域移除实验中，Mamushi 实现了更优的移除-保留权衡，并能减少达到固定遗忘目标所需的遗忘样本数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。