论文提出医疗多模态遗忘基准MedForget及免训练方法CHIP。
资讯摘要
论文提出MedForget，一个面向医疗数据的层级感知多模态遗忘基准，将医疗机构数据建模为嵌套结构，以便在保留集与遗忘集上做细粒度评估。作者报告现有遗忘方法难以在实现层级感知遗忘的同时保持临床预测任务的效用，并提出免训练的CHIP方法，通过选择性移除目标特定权重子空间、保留同级共享信息来删除数据。结果显示CHIP在各层级取得最高遗忘-保留性能差距，并保持有竞争力的下游效用。
要点速读
- MedForget将医疗数据建模为嵌套层级结构，支持跨保留与遗忘划分的细粒度评估。
- 作者报告现有遗忘方法难以兼顾层级感知遗忘与保留效用。
- CHIP为免训练方法，选择性移除目标特定权重子空间并保留同级共享信息，作者称其可跨架构泛化。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。