Buchumschlag

Instance-Level Difficulty: A Missing Perspective in Machine Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rizwan, Hammad, Sarvmaili, Mahtab, Sajjad, Hassan, Wu, Ga
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-centric Prediction Explanation via Kernelized Stein Discrepancy
von: Sarvmaili, Mahtab, et al.
Veröffentlicht: (2024)

Resolving Lexical Bias in Model Editing
von: Rizwan, Hammad, et al.
Veröffentlicht: (2024)

Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning
von: Zare, Nader, et al.
Veröffentlicht: (2024)

Neurons Speak in Ranges: Breaking Free from Discrete Neuronal Attribution
von: Haider, Muhammad Umair, et al.
Veröffentlicht: (2025)

Leveraging Per-Instance Privacy for Machine Unlearning
von: Sepahvand, Nazanin Mohammadi, et al.
Veröffentlicht: (2025)

Engineering Features to Improve Pass Prediction in Soccer Simulation 2D Games
von: Zare, Nader, et al.
Veröffentlicht: (2024)

Toward Understanding Unlearning Difficulty: A Mechanistic Perspective and Circuit-Guided Difficulty Metric
von: Cheng, Jiali, et al.
Veröffentlicht: (2026)

Handling Label Noise via Instance-Level Difficulty Modeling and Dynamic Optimization
von: Zhang, Kuan, et al.
Veröffentlicht: (2025)

Langevin Unlearning: A New Perspective of Noisy Gradient Descent for Machine Unlearning
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Learning to Unlearn: Instance-wise Unlearning for Pre-trained Classifiers
von: Cha, Sungmin, et al.
Veröffentlicht: (2023)

Schrodinger Neural Network and Uncertainty Quantification: Quantum Machine
von: Hammad, M. M.
Veröffentlicht: (2025)

Unlearning the Unpromptable: Prompt-free Instance Unlearning in Diffusion Models
von: Lee, Kyungryeol, et al.
Veröffentlicht: (2026)

A Neuro-inspired Interpretation of Unlearning in Large Language Models through Sample-level Unlearning Difficulty
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

A Review on Machine Unlearning
von: Zhang, Haibo, et al.
Veröffentlicht: (2024)

Lower Difficulty and Better Robustness: A Bregman Divergence Perspective for Adversarial Training
von: Wu, Zihui, et al.
Veröffentlicht: (2022)

Machine Unlearning: Solutions and Challenges
von: Xu, Jie, et al.
Veröffentlicht: (2023)

Variational (Energy-Based) Spectral Learning: A Machine Learning Framework for Solving Partial Differential Equations
von: Hammad, M. M.
Veröffentlicht: (2026)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
von: Xu, Heng, et al.
Veröffentlicht: (2024)

An Adversarial Perspective on Machine Unlearning for AI Safety
von: Łucki, Jakub, et al.
Veröffentlicht: (2024)

Contrastive Unlearning: A Contrastive Approach to Machine Unlearning
von: Lee, Hong kyu, et al.
Veröffentlicht: (2024)

An Illusion of Unlearning? Assessing Machine Unlearning Through Internal Representations
von: Gao, Yichen, et al.
Veröffentlicht: (2026)

FUNU: Boosting Machine Unlearning Efficiency by Filtering Unnecessary Unlearning
von: Li, Zitong, et al.
Veröffentlicht: (2025)

Towards Natural Machine Unlearning
von: He, Zhengbao, et al.
Veröffentlicht: (2024)

Reference-Guided Machine Unlearning
von: Mirlach, Jonas, et al.
Veröffentlicht: (2026)

Machine Unlearning for Streaming Forgetting
von: Shen, Shaofei, et al.
Veröffentlicht: (2025)

Sharpness-Aware Machine Unlearning
von: Tang, Haoran, et al.
Veröffentlicht: (2025)

Fairness and Robustness in Machine Unlearning
von: Tran, Khoa, et al.
Veröffentlicht: (2025)

Benchmarking Federated Machine Unlearning methods for Tabular Data
von: Xiao, Chenguang, et al.
Veröffentlicht: (2025)

Rectifying Privacy and Efficacy Measurements in Machine Unlearning: A New Inference Attack Perspective
von: Naderloui, Nima, et al.
Veröffentlicht: (2025)

Classification-Head Bias in Class-Level Machine Unlearning: Diagnosis, Mitigation, and Evaluation
von: Zheng, Weidong, et al.
Veröffentlicht: (2026)

A Survey of Machine Unlearning
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2022)

Adversarial Machine Unlearning
von: Di, Zonglin, et al.
Veröffentlicht: (2024)

Efficient Machine Unlearning via Influence Approximation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

Deep Unlearn: Benchmarking Machine Unlearning for Image Classification
von: Cadet, Xavier F., et al.
Veröffentlicht: (2024)

Machine Unlearning in Forgettability Sequence
von: Chen, Junjie, et al.
Veröffentlicht: (2024)

Revisiting Machine Unlearning with Dimensional Alignment
von: Seo, Seonguk, et al.
Veröffentlicht: (2024)

Dataset Condensation Driven Machine Unlearning
von: Khan, Junaid Iqbal
Veröffentlicht: (2024)

Label Smoothing Improves Machine Unlearning
von: Di, Zonglin, et al.
Veröffentlicht: (2024)

On the Impossibility of Retrain Equivalence in Machine Unlearning
von: Yu, Jiatong, et al.
Veröffentlicht: (2025)

Verifiable and Provably Secure Machine Unlearning
von: Eisenhofer, Thorsten, et al.
Veröffentlicht: (2022)