RULER：機械学習におけるアンラーニングの表現レベル検証
本稿は、2026年5月26日に投稿された論文「RULER: Representation-Level Verification of Machine Unlearning」（著者：Georgina Cosma、Axel Finke、arXiv:2605.27569v1、新規投稿）を紹介する。
機械アンラーニング（machine unlearning）とは、モデルをゼロから再訓練することなく、特定の訓練記録の影響をデプロイ済みモデルから取り除くことを目的とする技術である。現在の検証プロトコルは出力レベルに留まっており、メンバーシップ推論（membership inference）、保持精度（retain accuracy）、忘却セット精度（forget-set accuracy）という三つの指標で成否を判断している。しかし論文は、モデルがこれら三つをすべて満たしながら、忘却すべき記録を中間表現に依然として符号化している可能性があるという根本的な問題を指摘する。すなわち、出力レベルの評価を通ることは、忘却が実際に起きたことを意味しない。
このギャップを埋めるため、著者らは表現レベルで検証するための指標群 RULER を提案する。中心となるのは二つの指標である。オラクル比較型の M2 は、忘却セットの記録が、それらを一度も見ていない再訓練モデルと同じ表現上の位置を占めているかを測る。一方、再訓練を必要としないオラクルフリーの M4 は、忘却後のモデル自身の内部類似度構造だけから残留を検出する。
実験結果は出力レベル評価の盲点を明らかにした。四つの近似アンラーニング手法はいずれも出力レベル評価を通過したが、線形混合効果モデルの下で、M2 は12条件中10条件で有意な残留を検出した（p<0.05）。しかも効果量は忘却割合（forget fraction）が大きくなるにつれて増大した。五つ目の手法である Bad Teacher は異なる忘却メカニズムを採用しているにもかかわらず、同様の残留を示した。
さらに論文は M4 の実用性を示す。M4 は忘却前の診断ツールとして機能し、表形式データ、画像、臨床テキスト、顔識別という多様な設定で評価された。顔認識モデルでは、M4 が identity レベルの記憶（identity-level memorisation）を検出しており、試験されたどの手法もこの信号を完全には消去できなかった。
総じて本論文は、アンラーニングの効果を出力レベルの指標だけで判断してはならず、モデルの内部表現まで検査する必要があると警鐘を鳴らしている。そうでなければ「忘却済み」という状態は表面上のものに過ぎない可能性がある。