本研究提出了一种新方法，解决了传统数据影响估计在现代训练中的有效性问题，特别是数据顺序的敏感性。研究发现，训练初期和后期的数据点对模型影响显著，从而为数据选择提供了新策略。

启明创投发布2024生成式AI十大展望，包括技术融合、数据影响、协作提升、图文联合模型、生成速度提升、视频生成爆发、超级多模态大模型、语言转换通道、端侧推理增长、AI主导行业。

机器遗忘是一个重要问题，旨在消除特定数据对模型性能的影响，同时保持模型的实用性。通过对抗角度进行最坏情况遗忘子集的识别，我们提出了一种新的机器遗忘评估方法，通过双层优化原则在上层放大遗忘挑战，在下层进行标准训练和遗忘，实现数据影响擦除和模型实用性之间的平衡。我们的研究揭示了机器遗忘在实践中的复杂挑战，指导未来更准确、更鲁棒的遗忘算法的发展。