Buchumschlag

Representation Unlearning: Forgetting through Information Compression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Almudévar, Antonio, Ortega, Alfonso
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bridging Functional and Representational Similarity via Usable Information
von: Almudévar, Antonio, et al.
Veröffentlicht: (2026)

Aligning Multimodal Representations through an Information Bottleneck
von: Almudévar, Antonio, et al.
Veröffentlicht: (2025)

Rethinking Disentanglement under Dependent Factors of Variation
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Unsupervised Multiple Domain Translation through Controlled Disentanglement in Variational Autoencoder
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

There Was Never a Bottleneck in Concept Bottleneck Models
von: Almudévar, Antonio, et al.
Veröffentlicht: (2025)

An Explainable Proxy Model for Multiabel Audio Segmentation
von: Mariotte, Théo, et al.
Veröffentlicht: (2024)

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

Forgetting is Competition: Rethinking Unlearning as Representation Interference in Diffusion Models
von: Ranjan, Ashutosh, et al.
Veröffentlicht: (2026)

Forgetting Has Neighbors: Localized Collateral Forgetting in Machine Unlearning
von: Dolgova, Polina, et al.
Veröffentlicht: (2026)

Unlearning Imperative: Securing Trustworthy and Responsible LLMs through Engineered Forgetting
von: Kang, James Jin, et al.
Veröffentlicht: (2025)

Predefined Prototypes for Intra-Class Separation and Disentanglement
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Forgetting Through Transforming: Enabling Federated Unlearning via Class-Aware Representation Transformation
von: Guo, Qi, et al.
Veröffentlicht: (2024)

Forget-MI: Machine Unlearning for Forgetting Multimodal Information in Healthcare Settings
von: Hardan, Shahad, et al.
Veröffentlicht: (2025)

Machine Unlearning under Retain-Forget Entanglement
von: Cheng, Jingpu, et al.
Veröffentlicht: (2026)

CUFG: Curriculum Unlearning Guided by the Forgetting Gradient
von: Miao, Jiaxing, et al.
Veröffentlicht: (2025)

Sparse Autoencoders Make Audio Foundation Models more Explainable
von: Mariotte, Théo, et al.
Veröffentlicht: (2025)

Forgetting to Forget: Attention Sink as A Gateway for Backdooring LLM Unlearning
von: Shang, Bingqi, et al.
Veröffentlicht: (2025)

Forget and Explain: Transparent Verification of GNN Unlearning
von: Ahsan, Imran, et al.
Veröffentlicht: (2025)

Using Artificial Neural Networks to Predict Claim Duration in a Work Injury Compensation Environment
von: Almudevar, Anthony
Veröffentlicht: (2026)

Forget by Uncertainty: Orthogonal Entropy Unlearning for Quantized Neural Networks
von: Zhang, Tian, et al.
Veröffentlicht: (2026)

Mitigating Privacy Risk via Forget Set-Free Unlearning
von: Newatia, Aviraj, et al.
Veröffentlicht: (2026)

Is Gradient Ascent Really Necessary? Memorize to Forget for Machine Unlearning
von: Huang, Zhuo, et al.
Veröffentlicht: (2026)

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

Towards Aligned Data Forgetting via Twin Machine Unlearning
von: Niu, Zhenxing, et al.
Veröffentlicht: (2025)

System-Aware Unlearning Algorithms: Use Lesser, Forget Faster
von: Lu, Linda, et al.
Veröffentlicht: (2025)

Forget What Matters, Keep the Rest: Selective Unlearning of Informative Tokens
von: Koh, Seunghee, et al.
Veröffentlicht: (2026)

When to Forget? Complexity Trade-offs in Machine Unlearning
von: Van Waerebeke, Martin, et al.
Veröffentlicht: (2025)

Beyond Superficial Forgetting: Thorough Unlearning through Knowledge Density Estimation and Block Re-insertion
von: Guo, Feng, et al.
Veröffentlicht: (2025)

Forget Many, Forget Right: Scalable and Precise Concept Unlearning in Diffusion Models
von: Deng, Kaiyuan, et al.
Veröffentlicht: (2026)

Rethinking Machine Unlearning: Models Designed to Forget via Key Deletion
von: Laguna, Sonia, et al.
Veröffentlicht: (2026)

Unlearning That Lasts: Utility-Preserving, Robust, and Almost Irreversible Forgetting in LLMs
von: Singh, Naman Deep, et al.
Veröffentlicht: (2025)

Label-Agnostic Forgetting: A Supervision-Free Unlearning in Deep Models
von: Shen, Shaofei, et al.
Veröffentlicht: (2024)

Challenging Forgets: Unveiling the Worst-Case Forget Sets in Machine Unlearning
von: Fan, Chongyu, et al.
Veröffentlicht: (2024)

Forgetting Similar Samples: Can Machine Unlearning Do it Better?
von: Xu, Heng, et al.
Veröffentlicht: (2026)

Forgetting to Witness: Efficient Federated Unlearning and Its Visible Evaluation
von: Wang, Houzhe, et al.
Veröffentlicht: (2026)

Don't Forget It! Conditional Sparse Autoencoder Clamping Works for Unlearning
von: Khoriaty, Matthew, et al.
Veröffentlicht: (2025)

Stable Forgetting: Bounded Parameter-Efficient Unlearning in Foundation Models
von: Garg, Arpit, et al.
Veröffentlicht: (2025)

Machine Unlearning using Forgetting Neural Networks
von: Hatua, Amartya, et al.
Veröffentlicht: (2024)

Leak@$k$: Unlearning Does Not Make LLMs Forget Under Probabilistic Decoding
von: Reisizadeh, Hadi, et al.
Veröffentlicht: (2025)

Prompting Forgetting: Unlearning in GANs via Textual Guidance
von: Nagasubramaniam, Piyush, et al.
Veröffentlicht: (2025)