Apple Paper, Düşük Etkili Verileri Atlayarak Daha Ucuz Makine Öğrenmesi Öneriyor
Bir Apple Makine Öğrenimi Araştırması makalesi, silme talebindeki her veri noktasının aktif olarak kaldırılması gerekmediğini savunuyor. Yazarlar, dil ve görme görevlerinde etkileme işlevlerini kullanarak, düşük etkili örneklerin unutma kümesinden çıkarılabileceğini ve öğrenmeyi unutan hesaplamaların yaklaşık yüzde 50'ye kadar azaltılabileceğini söylüyor.