基于逆向知识蒸馏的数据遗忘

研究人员提出逆向蒸馏遗忘框架 IDU，能同时将多步流匹配和扩散模型蒸馏为一步学生生成器，并抑制指定训练子集的输出。该方法仅需预训练教师模型与遗忘集数据，无需访问保留样本、额外特征提取器或分类器。在 MNIST 和 CIFAR-10 上的实验表明，IDU 能大幅降低遗忘类别的生成频率，同时保持保留类别的生成质量。