本文研究了基于推理问题的相关性，探讨了语法和语义两种基本独立性形式，并讨论了它们的特点和缺陷，同时考虑了遗忘问题，提出了一种基于简化推理的知识库提取方法。

Jun, 2011

该研究讨论了如何在Answer Set Programming中进行强持续性遗忘，通过提出各种遗忘算子并探究其可行性、可行性不足时的替代方案以及与相对等价概念的关系，最终对其计算复杂性进行了详细研究。

Jul, 2017

本文描述了在使用ASP进行遗忘操作中，提出了第一个具体满足强持久性的运算符，该运算符具有许多重要性质，是一种句法运算符，可将遗忘操作的计算限制在包含要忘记的原子的规则中，从而自然地产生与原始程序接近的遗忘结果。

Jul, 2019

本文提出使用多任务学习自动获取背景知识的方法，同时探讨是否删除背景知识对于归纳逻辑编程学习器的性能有所提升。实验结果表明，在学习过多于10,000个任务后，使用 Forgetgol 方法会优于其他方法。

Nov, 2019

本研究综述了现有的 Answer Set Programming 遗忘操作及其属性，包括其在应用中的选择方法和计算结果的复杂性。

Jul, 2021

本文介绍了一个新的算子——弱遗忘算子，它是标准遗忘算子的对偶形式，并基于蕴涵和推理对它们进行了表征。此处使用的推理框架同样适用于一阶情况，并包括计算某些特殊情况下的一阶遗忘算子的有用算法。

May, 2023

Answer Set Programming (ASP)是一种基于规则的语言，用于知识表示和推理，研究了忘记、简化和相关概念的关联以及引入了一种新的相对等效概念，提供了相对简化的必要和充分条件，并介绍了结合投影和适度遗忘来获得相对简化的操作符。

Dec, 2023

神经算法推理是一种新兴的研究方向，它赋予神经网络以逐步模拟算法执行的能力。本文的观察是，现有设计中的历史依赖性与算法推理任务的马尔可夫性质相矛盾。基于这一动机，我们提出了ForgetNet，它不使用历史嵌入，因此与任务的马尔可夫性质一致。为了解决ForgetNet在早期训练阶段的挑战，我们进一步引入了G-ForgetNet，使用门控机制来实现历史嵌入的选择性集成。这种增强的能力在模型的早期训练阶段提供了有价值的计算路径。基于CLRS-30算法推理基准，我们进行了大量实验证明，ForgetNet和G-ForgetNet相较于现有方法更具有泛化能力。此外，我们研究了门控机制的行为，突显了其与我们的直觉的一致性以及在稳健性能方面的有效性。

Mar, 2024

数字遗忘的目标是，通过给定具有不良知识或行为的模型，获得一个新模型，其中不再存在检测到的问题。在大语言模型中，数字遗忘的方法是取消学习方法中目标任务与数据，以达到保护隐私和防止不良内容生成的目的。

Apr, 2024

定义基于模型计数和概率论直觉的损失函数，研究了不同遗忘策略或不同遗忘算子的推理强度，并提出了用于计算损失度量的实用的知识工程工具，使用Problog进行了实证研究方法以及具体示例。

Apr, 2024