CAFÉ：机器遗忘的因果黑盒测试方法
热点事件持续更新
CAFÉ：机器遗忘的因果黑盒测试方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Anna Mazhar 与 Sainyam Galhotra 提出 CAFÉ，一种机器遗忘的黑盒测试方法：只使用已部署模型的预测结果，对目标特征做干预并把变化传播到其下游特征，再检查预测是否仍对该特征有响应。 在两个因果网络基准、四种遗忘方法上，CAFÉ 对残余影响排序的成对准确率为 0.92–0.93，而现有检查最高为 0.71。在真实人口普查数据上，CAFÉ 还发现了能通过重训练、却未被直接输入检查察觉的残余影响。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
CAFÉ：机器遗忘的因果黑盒测试方法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.SECAFÉ：机器遗忘的因果黑盒测试方法
研究者提出 CAFÉ，一种仅依赖已部署模型预测结果的机器遗忘黑盒测试方法，通过干预特征并将变化传播至下游特征，检测预测是否仍受目标特征影响。在两个因果网络基准、四种遗忘方法上，CAFÉ 以 0.92–0.93 的成对准确率对残余影响排序，现有检查最高仅 0.71。在真实人口普查数据上，CAFÉ 还发现了能通过重训练却未被直接输入检查察觉的残余影响。
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。