研究人员正在开发用于语言模型选择性遗忘的高级技术，以在不降低整体性能的情况下删除特定数据。一种名为GRAPHSU的方法使用图引导方法，通过在相关训练样本中传播删除压力来扩大删除范围，超出最初的“遗忘种子”。另一个提出的框架，Deep Contrastive Unlearning for fine-Tuning (DeepCUT)，专注于优化模型的潜在空间来实现遗忘。这两种方法都旨在解决与训练数据相关的隐私和版权问题，同时保持模型的效用。 AI
影响 这些遗忘技术对于解决企业AI部署中的隐私和版权问题至关重要，能够更安全地使用专有数据。
排序理由 两篇学术论文提出了语言模型机器学习遗忘的新方法。
- Deep Contrastive Unlearning for fine-Tuning (DeepCUT)
- large language models
- arXiv
- GPT-2 Medium
- GRAPHSU
- Llama-3.2-3B-Instruct
- pistol
- Task of Fictitious Unlearning (TOFU)
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
