热点事件持续更新
GAASH-Lab 提出免梯度机器遗忘方法 UnAct
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 7 日，AGI Hunt 报道 GAASH-Lab 提出免梯度的类别遗忘方法 UnAct，用于在不重新训练的前提下移除已训练模型中指定类别数据的影响。据该报道，UnAct 只需对遗忘类别的图像做前向传播，按响应强度衰减网络深层单元中最强的连接，最多迭代 20 轮，全程不需要梯度、标签或保留数据。报道给出的结果显示：在 CIFAR-10 上仅使用 5 张遗忘图像时，UnAct 与重训练模型的距离为 0.21 点，ResNet-18 上的保留精度差距在 2.5 点以内；迁移到 ViT-B/16 时，速度比 SSD 快 19 倍。该方法的代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 10:17
GAASH-Lab 开源免梯度遗忘方法 UnAct，仅需 5 张遗忘图即可移除指定类别影响。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- AGI HuntUnAct：免梯度机器遗忘，仅需 5 张图误差仅 0.21 点
GAASH-Lab 提出免梯度类别遗忘方法 UnAct，无需重新训练即可移除已训练模型中指定类别数据的影响。它仅对遗忘类别图像做前向传播，按响应衰减网络深层单元中最强的连接，最多迭代 20 轮，不需要梯度、标签或保留数据。CIFAR-10 上仅 5 张遗忘图时与重训练距离 0.21 点，ResNet-18 保留精度差距在 2.5 点内，迁移 ViT-B/16 比 SSD 快 19 倍，代码已开源。
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。