00 · EM TRÊS MINUTOS
A resposta em três ideias
- 1Apagar o arquivo não reverte os pesos automaticamente.
- 2Métodos aproximam um modelo treinado sem aqueles dados.
- 3Parar uma saída memorizada não basta; é preciso um contrafactual.
01 · INFLUÊNCIA DISTRIBUÍDA
Influência distribuída
Um registro atua com muitos outros e não existe operação universal de excluir uma linha dos pesos.
02 · RETREINO COMO REFERÊNCIA
Retreino como referência
O contrafactual limpo é treinar do zero sem os registros; métodos práticos tentam imitá-lo.
Influência distribuída
Um registro atua com muitos outros e não existe operação universal de excluir uma linha dos pesos.
identificarRetreino como referência
O contrafactual limpo é treinar do zero sem os registros; métodos práticos tentam imitá-lo.
retirarVerificar é central
Uma frase pode desaparecer enquanto sinais continuam detectáveis por outra consulta ou ataque.
compararExistem outras cópias
Checkpoints, caches, índices, logs e ajustes derivados entram no inventário.
auditar03 · VERIFICAR É CENTRAL
Verificar é central
Uma frase pode desaparecer enquanto sinais continuam detectáveis por outra consulta ou ataque.
04 · EXISTEM OUTRAS CÓPIAS
Existem outras cópias
Checkpoints, caches, índices, logs e ajustes derivados entram no inventário.
05 · ESCOPO DECLARADO
Escopo declarado
Garantias e aproximações dependem do algoritmo, das premissas, dos dados e do teste.
06 · FONTES E EVIDÊNCIAS
Fontes e evidências
As afirmações remetem a artigos fundamentais, padrões ou ao estudo primário da atualização.
- 01Machine UnlearningESTUDO PRIMÁRIO ↗
Sustenta um mecanismo, uma medição ou um limite de evidência definido no artigo.
- 02Making AI Forget You: Data Deletion in Machine LearningESTUDO PRIMÁRIO ↗
Sustenta um mecanismo, uma medição ou um limite de evidência definido no artigo.