研究人员推出了PRMU，这是一个旨在评估多模态大语言模型（MLLMs）中无语料库知识遗忘能力的新基准。该基准解决了在原始训练数据不可用的情况下，从MLLMs中移除特定与人相关的知识的挑战。PRMU包含多样化的文本和视觉探针、对抗性评估和局部性分析，以评估遗忘的有效性并保留相关信息。除了基准，研究团队还开发了相似性门控投影编辑（SGPE），这是一种轻量级的基线方法，在遗忘目标知识和保持通用效用之间展示了具有竞争力的权衡。 AI
影响 该基准和方法可以提高从多模态AI系统中移除敏感信息的能力，增强隐私和控制。
排序理由 该集群描述了一篇介绍多模态大语言模型知识遗忘基准和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
