כתבה
arXiv cs.AI ·
פרסום: ניתוח של 263 נקודות-כניסה שליליות שלא נמחקו, ולא כי הנתונים שנמחקו נשארו
Published Unlearning Numbers Move Per Checkpoint, and Not Because the Removed Data Survives: An Audit of 263 Released Batch-Normalized Checkpoints
במאמר זה, נערך ניתוח של 263 נקודות-כניסה שליליות שלא נמחקו, ונמצא כי הם נעים כתלות בנקודת-כניסה, ולא כי הנתונים שנמחקו נשארו. המאמר עוסק בפרסום של נקודות-כניסה שליליות שלא נמחקו, ובחשיבות של ציון הקונבנציה של האימון לצד המספר.
תקציר מקורי באנגליתarXiv:2609.11490v1 Announce Type: new Abstract: An unlearning audit reads its verdict off numbers that an unlearned model and its retrained reference each publish, and both also ship batch-normalization statistics that no gradient step wrote and no release records. Refitting them on kept data at bit-identical weights moves 47 of 221 released checkpoints past the spread their own release's seeds show, several inside a method whose average does not move: what moves is the checkpoint's property, not its method's. What does the moving is not the removed data surviving in the state: exchanging kept records for removed ones inside a fixed fitting pool moves a published cell by almost nothing, while how far a checkpoint's shipped state has drifted from any refit does track it. The consequence for
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית