English(EN) Test-Time Unlearning via Sparse Autoencoder

新的 ARIA 方法在不修改权重的情况下遗忘 LLM 知识

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员开发了 ARIA（autoencoder-gated inference-time unlearning，自动编码器门控推理时遗忘），一种在不改变大型语言模型核心权重的情况下移除特定知识的新颖方法。与传统的权重修改方法不同，ARIA 在推理时运行，使用在稀疏自编码器潜在空间上训练的轻量级检测器来干预不希望的知识被访问。这种方法旨在减轻遗忘-效用权衡，并提高对遗忘后攻击的鲁棒性。在 TOFU、R-TOFU 和 WMDP 等基准测试上的实证结果表明，ARIA 在减少目标知识回忆的同时，能够保持模型效用并抵抗对抗性恢复尝试。 AI

影响这项研究可能导致更强大、更有效的方法来控制 LLM 中的敏感信息，从而提高安全性和隐私性。

排序理由该集群包含一篇详细介绍一种新机器遗忘方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍一种新机器遗忘方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Pingzhi Li, Jinhao Duan, Vaishnav Tadiparthi, Nakul Agarwal, Kwonjoon Lee, Ehsan Moradi Pari, Hossein Nourkhiz Mahjoub, Sijia Liu, Tianlong Chen · 2026-09-16 04:00

通过稀疏自编码器实现测试时遗忘

arXiv:2609.16229v1 Announce Type: cross Abstract: Machine unlearning aims to remove specific knowledge from a trained large language model (LLM) without retraining from scratch. Existing methods modify model weights via gradient ascent and its advances. While effective on certain…

本文如何被排名

报道来源 [1]

通过稀疏自编码器实现测试时遗忘

相关实体

相关话题