研究提出基于Gibbs测度的数据聚合与精确机器遗忘框架

2026年11月5日，发表于arXiv的一项新研究提出了基于Gibbs概率测度的统一框架。该框架通过归一化对数线性组合与嵌套操作，能够实现多个本地数据集训练算法的聚合。研究表明，该方法可以通过参数直接控制数据点的权重贡献，从而在集中式、去中心化和联邦学习等多种场景中实现精确机器遗忘（exact machine unlearning）。此外，该框架还能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水平。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。