Buchumschlag

Rethinking Machine Unlearning: Models Designed to Forget via Key Deletion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Laguna, Sonia, Goncalves, Jorge da Silva, Vandenhirtz, Moritz, Ryser, Alain, Cannistraci, Irene, Vogt, Julia E.
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

Stochastic Concept Bottleneck Models
von: Vandenhirtz, Moritz, et al.
Veröffentlicht: (2024)

Beyond Concept Bottleneck Models: How to Make Black Boxes Intervenable?
von: Laguna, Sonia, et al.
Veröffentlicht: (2024)

From Logits to Hierarchies: Hierarchical Clustering made Simple
von: Palumbo, Emanuele, et al.
Veröffentlicht: (2024)

Measuring Leakage in Concept-Based Methods: An Information Theoretic Approach
von: Makonnen, Mikael, et al.
Veröffentlicht: (2025)

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

Structure is Supervision: Multiview Masked Autoencoders for Radiology
von: Laguna, Sonia, et al.
Veröffentlicht: (2025)

Foundation Model for Cardiac Time Series via Masked Latent Attention
von: Vandenhirtz, Moritz, et al.
Veröffentlicht: (2026)

Exploiting Interpretable Capabilities with Concept-Enhanced Diffusion and Prototype Networks
von: Carballo-Castro, Alba, et al.
Veröffentlicht: (2024)

Post-hoc Stochastic Concept Bottleneck Models
von: Hoffmann, Wiktor Jan, et al.
Veröffentlicht: (2025)

From Pixels to Perception: Interpretable Predictions via Instance-wise Grouped Feature Selection
von: Vandenhirtz, Moritz, et al.
Veröffentlicht: (2025)

Structured Generations: Using Hierarchical Clusters to guide Diffusion Models
von: Goncalves, Jorge da Silva, et al.
Veröffentlicht: (2024)

Leveraging the Structure of Medical Data for Improved Representation Learning
von: Agostini, Andrea, et al.
Veröffentlicht: (2025)

You Only Train Once: Differentiable Subset Selection for Omics Data
von: Chopard, Daphné, et al.
Veröffentlicht: (2025)

Beyond Independent Frames: Latent Attention Masked Autoencoders for Multi-View Echocardiography
von: Böhi, Simon, et al.
Veröffentlicht: (2026)

Interpretable Diffusion Models with B-cos Networks
von: Bernold, Nicola, et al.
Veröffentlicht: (2025)

TreeDiffusion: Hierarchical Generative Clustering for Conditional Diffusion
von: Gonçalves, Jorge da Silva, et al.
Veröffentlicht: (2024)

Two Is Better Than One: Aligned Representation Pairs for Anomaly Detection
von: Ryser, Alain, et al.
Veröffentlicht: (2024)

scTree: Discovering Cellular Hierarchies in the Presence of Batch Effects in scRNA-seq Data
von: Vandenhirtz, Moritz, et al.
Veröffentlicht: (2024)

Attribute-to-Delete: Machine Unlearning via Datamodel Matching
von: Georgiev, Kristian, 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)

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

Interpretable Reward Modeling with Active Concept Bottlenecks
von: Laguna, Sonia, et al.
Veröffentlicht: (2025)

MultiDelete for Multimodal Machine Unlearning
von: Cheng, Jiali, et al.
Veröffentlicht: (2023)

Unlearning Isn't Deletion: Investigating Reversibility of Machine Unlearning in LLMs
von: Xu, Xiaoyu, et al.
Veröffentlicht: (2025)

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

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

From Pixels to Components: Eigenvector Masking for Visual Representation Learning
von: Bizeul, Alice, et al.
Veröffentlicht: (2025)

Rethinking Machine Unlearning for Large Language Models
von: Liu, Sijia, et al.
Veröffentlicht: (2024)

TOAST: Transformer Optimization using Adaptive and Simple Transformations
von: Cannistraci, Irene, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

RadVLM: A Multitask Conversational Vision-Language Model for Radiology
von: Deperrois, Nicolas, et al.
Veröffentlicht: (2025)

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

Governing AI Forgetting: Auditing for Machine Unlearning Compliance
von: Lin, Qinqi, et al.
Veröffentlicht: (2026)