遗忘相似样本：机器遗忘能做得更好吗？

研究者评估了现有机器遗忘方法在训练集中存在与待遗忘目标相似样本时的有效性，发现多数方法在图像和语言模型上难以彻底消除目标样本的影响，连从头重训基线也不例外。论文基于四个精心构造的数据集开展实验，指出已有方法多着眼于移除样本本身而非样本对模型的影响，偏离了机器遗忘的基本定义，并探讨了改进现有遗忘方案的可能方向。