热点事件持续更新
面向持续机器遗忘的 Minimax 高斯机制研究
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年10月9日，arXiv 统计学机器学习栏目发布一篇关于持续机器遗忘的论文。论文针对顺序删除请求场景，为 Newton 更新开发高斯机制，利用 GDP 及其自适应组合规则，证明整条已发布模型序列在统计上难以与精确重训练区分。作者推导了 Newton 近似相对精确重训练的误差上界及其随删除批次的变化，据此校准独立高斯噪声与高斯随机游走噪声，并在 GDP 认证约束下最小化各次发布的最坏情况最大噪声方差。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发布持续机器遗忘 Minimax 高斯机制论文，用 GDP 认证发布序列不可区分性。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine Learning面向持续机器遗忘的 Minimax 高斯机制
论文为顺序删除请求下的 Newton 更新开发高斯机制，用 GDP 及其自适应组合规则证明整条已发布模型序列在统计上难以与精确重训练区分。作者推导 Newton 近似相对精确重训练的误差上界及随删除批次的变化，据此校准独立高斯噪声与高斯随机游走噪声，并在 GDP 认证约束下最小化各次发布的最坏情况最大噪声方差。
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。