# 用于审计机器遗忘的新框架

- 原标题：New framework for auditing machine unlearning
- 类型：博客
- 来源：Google Research
- 发布时间：2026-06-11
- 首次精选：2026-10-28 16:25
- 分级：值得看
- 学习层级：深入
- 主题：[ai-privacy-governance](<https://oplearnx.com/md/topics/ai-privacy-governance.md>)（第 21 位）、[model-benchmarks](<https://oplearnx.com/md/topics/model-benchmarks.md>)（第 45 位）
- 原文链接：[https://research.google/blog/new-framework-for-auditing-machine-unlearning](<https://research.google/blog/new-framework-for-auditing-machine-unlearning>)
- 本站页面：[https://oplearnx.com/resources/pk\_86033be08f28](<https://oplearnx.com/resources/pk_86033be08f28>)

## 摘要

这是 Google 研究科学家 Mónica Ribero 于 2026 年 6 月 10 日发布的博客，介绍一种判断两组数据观察是否来自完全不同的底层分布、且具统计显著性的方法。文中提到机器遗忘对 GDPR 等法规合规、AI 安全与模型质量的意义，以及审计者往往只能通过查询模型并分析输出样本进行验证，其中用到双样本检验。

---
来源：LearnMap · 学径（https://oplearnx.com）