Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Machine Unlearning in Diffusion Process: Towards a Systematic Design for Quality, Efficiency and Scalability
Proyek riset & pengembangan

CAREER: Machine Unlearning in Diffusion Process: Towards a Systematic Design for Quality, Efficiency and Scalability

Ringkasan tujuan riset

Unlearning model difusi menggabungkan masking gradien, loss sadar konsep, serta masker inferensi berbasis saliency untuk menghapus beberapa konsep sambil mempertahankan mutu pembangkitan lainnya.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2540429Periode tercatat 2026-09-01 sampai 2031-08-31.NSF 2540429MulaiAkhir tercatat202620322026-09-012031-08-31
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?

Neuron relevan konsep akan diidentifikasi untuk pembaruan terarah, dengan tujuan mengarahkan hasil setelah penghapusan ke alternatif semantik yang bermakna. Saat inferensi, masker konsep digabung tanpa pelatihan tambahan, diperhalus melalui soft masking, residual low-rank, dan retensi berbasis entropi. Penelitian juga membandingkan peran self-attention serta cross-attention untuk modul edit plug-and-play. Evaluasi lintas backbone dan tugas pembangkitan, transfer gaya, inpainting, serta superresolusi menilai kualitas, efisiensi, dan skalabilitas penghapusan.

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.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Arizona
Program
Info Integration & Informatics
Periode pendanaan tercatat
2026-09-01 → 2031-08-31

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
  • Computing & AI Foundations

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.