一分钟读论文：《遗忘审计的结论可能是统计量挪的》
内容提要
一篇审计预印本发现，机器遗忘评测的指标波动可能源于批归一化统计量这一未记录的自由度：在263个已发布检查点中，冻结权重、仅用保留数据重拟合统计量，就有47个指标移动超出种子散布。交换实验排除了被删数据残留的解释。实际影响有限：12个判定翻转，仅2个稳定翻转。作者建议发布时注明拟合约定。
延伸解读
批归一化统计量：被忽视的评测自由度
文章指出，批归一化统计量在发布权重时必然随附，但其拟合方式却无记录。审计实验冻结权重，仅用保留数据重拟合统计量，就使47个检查点的指标移动超出种子散布。这意味着同一权重配不同拟合约定会得到不同数字，而合规判定恰恰依赖这些数字。读者需注意，这不是指控作弊，而是揭示发布管道中存在一个未被记录的自由度。
幸存假设被排除，嫌疑转向统计量来源
传统上，指标失真常被归咎于被删数据残留。但论文通过交换实验排除了这一解释：在固定拟合池内对调保留与删除记录的归属，已发表单元格几乎不动。相反，移动幅度与检查点发布状态偏离任意一次重拟合的距离相关。因此，问题不在模型记忆，而在统计量的来源记录缺失。
判定翻转规模有限，不宜过度解读
论文用三层数字限定实际影响：12个合规判定翻转，其中4个移动幅度超过重校准预算，仅2个在每次重复中都稳定超过。作者另在贴近自身判据的群体上训练布点，未发现翻转。因此，将结果读成“遗忘评测全线失效”超出数据支持。读者应关注翻转的有限性和条件性。
边界与未解问题：预印本、视觉模型限定
证据边界需划清：这是未经同行评审的预印本，结论依赖对公开检查点的重拟合复现；机制限定在带批归一化的视觉模型，不能外推到语言模型遗忘评测；翻转规模有限。与另一篇批评测量侧的文章不同，本文病灶在被测对象本身，修复需靠发布时记录拟合约定。
Q&A
机器遗忘审计中，为什么已发布的遗忘指标会移动？
因为批归一化统计量是一个未记录的自由度。在263个已发布检查点中，冻结权重不变，仅用保留数据重新拟合统计量，就有47个指标移动超过种子散布。
被删数据残留是导致遗忘指标失真的原因吗？
不是。交换实验排除了这一解释：在固定拟合池内对调保留与删除记录的归属再拟合统计量，已发表单元格几乎不动。
这项审计对实际合规判定有多大影响？
影响有限：12个判定发生翻转，其中4个移动幅度超过重校准预算，仅2个在每次重复中都稳定超过。
作者对发布遗忘指标有什么建议？
建议在发布数字时注明拟合约定，以堵住批归一化统计量这一未记录的自由度。
这项研究的结论可以推广到语言模型的遗忘评测吗？
不能。机制限定在带批归一化的视觉模型，摘要没有提供证据表明大模型场景存在同类通道。
这篇论文与《推理链里的顿悟时刻，多半是预算给的错觉》有何不同？
两者同属“已发表数字不可信”批评轴，但机制不同：前者病灶在测量侧（实验缺对照），后者病灶在被测对象本身（发布状态藏有未记录的拟合自由度）。
