PulseAugur
中
实时 09:24:20
English(EN) Does Forgetting Transfer Across Modalities? A Real-World Benchmark for Cross-Modal Knowledge Unlearning Evaluation

新基准评估视觉-语言模型中的跨模态知识遗忘

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 UNLINK-VL，这是一个旨在评估视觉-语言模型 (VLM) 中知识遗忘有效性的新基准。该基准通过评估知识移除在文本和视觉领域之间的迁移效果，解决了当前研究主要集中在单一模态内遗忘的问题。实验表明，在视觉评估时，多模态遗忘是有效的，但仅文本遗忘对视觉和跨模态任务的迁移效果不佳，这表明仅在模态内评估可能会高估遗忘的有效性。 AI

影响 强调了在 AI 遗忘中进行跨模态评估的必要性，以准确评估可信度。

排序理由 该集群包含一篇介绍评估 AI 模型能力新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新基准评估视觉-语言模型中的跨模态知识遗忘

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Chunlin Liu, Junnian Chen, Haitong Jiang, Jianyu Zhao, Yingsen Pang, Jingchen Li, Jiabiao He, Youming Lu, Jinhe Bi, Yuntao Du ·

    遗忘是否能跨模态迁移？用于跨模态知识遗忘评估的真实世界基准

    arXiv:2608.03791v1 Announce Type: new Abstract: Vision-Language Models (VLMs), like Large Language Models (LLMs), may memorize sensitive, copyrighted, or harmful knowledge from their pretraining corpora. Removing such knowledge is essential for building trustworthy AI systems. Ho…

相关实体

相关话题