基于 Gibbs 概率测度的训练数据集聚合与精确机器遗忘统一框架

新研究提出基于 Gibbs 概率测度的统一框架，通过归一化对数线性组合与嵌套操作，实现多个本地数据集训练算法的聚合。该方法能通过参数直接控制数据点的权重贡献，在集中式、去中心化和联邦学习中实现精确机器遗忘（exact machine unlearning）。此外，它还可让去中心化和联邦学习达到等效于集中式聚合训练的性能。