机器遗忘中的输出遗忘不等于真正遗忘

基于论文摘要，研究作者以从头重训练模型作为理想遗忘的参照，分析多种机器遗忘方法在表示空间中的重训练一致性，并发现标准输出层评估可能系统性高估遗忘效果。实验显示，模型在遗忘样本上部分接近重训练结果，但在保留样本上仍更不一致，残余差异沿重训练相关方向呈现集中分布；在许多情况下，这些差异超过独立重训练的变异，并可能增加再学习攻击中的信息恢复风险。