热点事件持续更新

FedZOO提出精确遗忘算法

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Weijun Yin等为联邦零阶优化（FedZOO）提出两套稳定学习算法及配套的精确遗忘流程；理论保证是，删除数据后模型与保存状态的联合分布等同于仅用保留数据重新训练的结果。 FedZOUL-S保留此前更新并从首个受影响步骤重启，FedZOUL-NS则通过拒绝—反射耦合复用更新。实验中，累计遗忘时间较重新优化最多减少56.1%，通信开销较一阶基线最多降低约四个数量级。

AI 根据报道生成 · 53 分钟前更新

最新进展10月28日 12:00

联邦零阶优化的高效精确遗忘

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
联邦零阶优化的高效精确遗忘
研究为联邦零阶优化（FedZOO）设计两套稳定学习算法及对应的精确遗忘流程，保证删除数据后的模型与保存状态联合分布等同于在保留数据上重新训练。FedZOUL-S保留先前更新并从首个受影响步骤重启，FedZOUL-NS则通过拒绝—反射耦合复用更新。实验中，累计遗忘时间较重新优化最多减少56.1%，相较一阶基线的通信开销最多降低约四个数量级。

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。