标签
本文认为，标准的输出层机器遗忘评估高估了成功程度，表明方法可以在输出层看似成功，同时保留与重新训练模型相关的结构性表征层差异。作者提出与重新训练一致的表征遗忘作为更强的评估视角。
本文提出 ManiF-SMC，一种完全在表征空间中运行的近似机器遗忘方法，通过将擦除样本从其原始学习的流形表征推向保留数据中其最近的语义邻居，并使用由自模式连通性模块引导的基于边界的三元组损失来实现自适应边界。