Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCollaborative Research: SaTC 2.0: RES: Achieving Reliable, Interpretable, and Efficient At-scale Machine Unlearning on Generative AI Models
Proyek riset & pengembangan

Collaborative Research: SaTC 2.0: RES: Achieving Reliable, Interpretable, and Efficient At-scale Machine Unlearning on Generative AI Models

Ringkasan tujuan riset

Machine unlearning meneliti kriteria lupa yang berlandasan teori informasi dan inferensi kausal, termasuk pemantauan kemunculan kembali pengetahuan pada model generatif.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2555319Periode tercatat 2026-10-01 sampai 2029-09-30.NSF 2555319MulaiAkhir tercatat202620302026-10-012029-09-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Penelitian menguji mekanisme pelupaan pada model difusi serta model bahasa dan mengembangkan cara membongkar kemampuan tingkat tinggi. Implementasi akan menelaah penghapusan secara batch, ketergantungan antarinformasi, serta unlearning melalui konteks agar pembaruan berulang lebih efisien. Modul backend dipadukan dengan dasbor yang memperlihatkan dampak permintaan penghapusan. Fokus evaluasinya ialah apakah pengaruh data atau konsep benar-benar berkurang dan tetap tidak muncul kembali, bukan sekadar perubahan jawaban sesaat.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Tulsa
Program
Secure &Trustworthy Cyberspace
Periode pendanaan tercatat
2026-10-01 → 2029-09-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Cyber, Physical, & Intelligent Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.