研究指出仅遗忘式机器遗忘需记忆训练数据，模型可能需保留更多信息

发生了什么

据arXiv cs.LG 2026-10-07发布的论文《Why Forget-Only Unlearning Needs Memorization》指出，仅遗忘式机器遗忘（forget-only unlearning）算法可能需要模型记住比标准训练更多的训练数据信息。研究发现，不同数据集可能产生相同的训练模型，但在移除相同示例后需要不同的输出。对于简单的阈值学习者，处理任意删除请求所需的信息量可能高达整个数据集的大小，而普通训练仅保留一个边界点。结果表明，标准学习中丢弃的信息可能在后续删除时需要，因此专为仅遗忘设计的模型可能需要保留更多信息。