WSDM 2023 CCF-B Federated Unlearning for On-Device Recommendation 本文工作的主要介绍 本文主要介绍了一种名为FRU（Federated Recommendation Unlearning）的联邦学习框架，用于在设备端的推荐系统中实现用户数据的有效擦除和模型重建。FRU通过存储用户的历史更新并校准这些更新，实现了有效的用户数据擦

本文是LLM系列文章，针对《Unlearn What You Want to Forget: Efficient Unlearning for LLMs》的翻译。 遗忘你想忘记的东西：LLM的高效遗忘 摘要1 引言2 相关工作3 LLM的高效遗忘4 实验5 结论6 局限性 摘要 大型语言模型（LLM）在对各种文本数据进行预训练和记忆方面取得了重大进展，然而，这一过程可能会受到隐私

本文是LLM系列文章，针对《Who’s Harry Potter? Approximate Unlearning in LLMs》的翻译。 哈利波特是谁？LLMs中的近似遗忘 摘要1 引言2 我们方法的描述3 评估方法4 结果5 结论 摘要 大型语言模型（LLM）是在大量的互联网语料库上训练的，这些语料库通常包含受版权保护的内容。这给这些模型的开发人员和用户，以及原始作者和出版商