Buchumschlag

A Survey on Generative Model Unlearning: Fundamentals, Taxonomy, Evaluation, and Future Direction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feng, Xiaohua, Zhang, Jiaming, Yu, Fengyuan, Wang, Chengye, Zhang, Li, Li, Kaixiang, Li, Yuyuan, Chen, Chaochao, Yin, Jianwei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

A Survey on Recommendation Unlearning: Fundamentals, Taxonomy, Evaluation, and Open Questions
von: Li, Yuyuan, et al.
Veröffentlicht: (2024)

LEGO: A Lightweight and Efficient Multiple-Attribute Unlearning Framework for Recommender Systems
von: Yu, Fengyuan, et al.
Veröffentlicht: (2025)

Class-wise Federated Unlearning: Harnessing Active Forgetting with Teacher-Student Memory Generation
von: Li, Yuyuan, et al.
Veröffentlicht: (2023)

Sharpness-Aware Minimization for Generalized Embedding Learning in Federated Recommendation
von: Yu, Fengyuan, et al.
Veröffentlicht: (2026)

Bridging the Gap Between Preference Alignment and Machine Unlearning
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

Demystifying the Optimal Fair Classifier in Multi-Class Classification
von: Zhang, Li, et al.
Veröffentlicht: (2026)

Controllable Unlearning for Image-to-Image Generative Models via $\varepsilon$-Constrained Optimization
von: Feng, Xiaohua, et al.
Veröffentlicht: (2024)

FedFACT: A Provable Framework for Controllable Group-Fairness Calibration in Federated Learning
von: Zhang, Li, et al.
Veröffentlicht: (2025)

Taming the Long Tail: Efficient Item-wise Sharpness-Aware Minimization for LLM-based Recommender Systems
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

Integration of Large Language Models and Federated Learning
von: Chen, Chaochao, et al.
Veröffentlicht: (2023)

CURE4Rec: A Benchmark for Recommendation Unlearning with Deeper Influence
von: Chen, Chaochao, et al.
Veröffentlicht: (2024)

RAID: An In-Training Defense against Attribute Inference Attacks in Recommender Systems
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

WassFFed: Wasserstein Fair Federated Learning
von: Han, Zhongxuan, et al.
Veröffentlicht: (2024)

Exploring Incremental Unlearning: Techniques, Challenges, and Future Directions
von: Qureshi, Sadia, et al.
Veröffentlicht: (2025)

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Generalizable Multimodal Large Language Model Editing via Invariant Trajectory Learning
von: Su, Jiajie, et al.
Veröffentlicht: (2026)

Machine Unlearning: Taxonomy, Metrics, Applications, Challenges, and Prospects
von: Li, Na, et al.
Veröffentlicht: (2024)

UFO: Unfair-to-Fair Evolving Mitigates Unfairness in LLM-based Recommender Systems via Self-Play Fine-tuning
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

Unlearning Evaluation through Subset Statistical Independence
von: Zhang, Chenhao, et al.
Veröffentlicht: (2026)

When Foundation Model Meets Federated Learning: Motivations, Challenges, and Future Directions
von: Zhuang, Weiming, et al.
Veröffentlicht: (2023)

Graph Neural Backdoor: Fundamentals, Methodologies, Applications, and Future Directions
von: Yang, Xiao, et al.
Veröffentlicht: (2024)

Towards Reliable Forgetting: A Survey on Machine Unlearning Verification
von: Xue, Lulu, et al.
Veröffentlicht: (2025)

BiFair: A Fairness-aware Training Framework for LLM-enhanced Recommender Systems via Bi-level Optimization
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

A Survey of Cross-domain Graph Learning: Progress and Future Directions
von: Zhao, Haihong, et al.
Veröffentlicht: (2025)

Inference Attacks: A Taxonomy, Survey, and Promising Directions
von: Wu, Feng, et al.
Veröffentlicht: (2024)

Non-IID data in Federated Learning: A Survey with Taxonomy, Metrics, Methods, Frameworks and Future Directions
von: G., Daniel M. Jimenez, et al.
Veröffentlicht: (2024)

A Survey of Graph Meets Large Language Model: Progress and Future Directions
von: Li, Yuhan, et al.
Veröffentlicht: (2023)

Graph Neural Networks for Tabular Data Learning: A Survey with Taxonomy and Directions
von: Li, Cheng-Te, et al.
Veröffentlicht: (2024)

Post-Training Attribute Unlearning in Recommender Systems
von: Chen, Chaochao, et al.
Veröffentlicht: (2024)

Adapting Amidst Degradation: Cross Domain Li-ion Battery Health Estimation via Physics-Guided Test-Time Training
von: Feng, Yuyuan, et al.
Veröffentlicht: (2024)

A Problem-Oriented Taxonomy of Evaluation Metrics for Time Series Anomaly Detection
von: Yang, Kaixiang, et al.
Veröffentlicht: (2025)

FOOGD: Federated Collaboration for Both Out-of-distribution Generalization and Detection
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

Parallel Unlearning in Inherited Model Networks
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

Brewing Knowledge in Context: Distillation Perspectives on In-Context Learning
von: Li, Chengye, et al.
Veröffentlicht: (2025)

Online Model-based Anomaly Detection in Multivariate Time Series: Taxonomy, Survey, Research Challenges and Future Directions
von: Correia, Lucas, et al.
Veröffentlicht: (2024)

Deep Generative Models for Offline Policy Learning: Tutorial, Survey, and Perspectives on Future Directions
von: Chen, Jiayu, et al.
Veröffentlicht: (2024)

OmniDexVLG: Learning Dexterous Grasp Generation from Vision Language Model-Guided Grasp Semantics, Taxonomy and Functional Affordance
von: Zhang, Lei, et al.
Veröffentlicht: (2025)

Taxonomy Tree Generation from Citation Graph
von: Hu, Yuntong, et al.
Veröffentlicht: (2024)

Gradient Purification: Defense Against Poisoning Attack in Decentralized Federated Learning
von: Li, Bin, et al.
Veröffentlicht: (2025)