新框架支持多模态大语言模型中的选择性属性遗忘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员推出了一种名为因果定位和保留感知投影（CLRP）的新框架，用于多模态大语言模型（MLLMs）的属性级别遗忘。该方法旨在选择性地从MLLMs中移除敏感属性，同时不损害整体模型效用或影响同一身份的其他信息。CLRP是一种无需训练的方法，它识别因果定位的关键层，并投影中间表示以实现这种选择性遗忘。在LLaVA-1.5-7B和Qwen2.5-VL-3B等模型上的实验证明了CLRP在减少残留泄露和附带退化方面的有效性。 AI

影响能够更精确地控制MLLMs中的敏感数据，可能提高隐私和合规性。

排序理由该集群包含一篇学术论文，详细介绍了MLLMs中的一种新的机器学习遗忘方法。[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 →

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; 该集群包含一篇学术论文，详细介绍了MLLMs中的一种新的机器学习遗忘方法。[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, safety; 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.AI TIER_1 English(EN) · Junkai Lin, Junkai Chen, Siqi Hou, Yuhao He, Ruiqi Liu, Chenhan Jin, Shengze Xu, Tieyong Zeng, Xiangyuan Lan · 2026-10-15 04:00

迈向细粒度遗忘：多模态大语言模型的属性非学习

arXiv:2608.01008v2 Announce Type: replace Abstract: Multimodal large language models (MLLMs) can memorize and disclose sensitive information, motivating machine unlearning to remove designated knowledge while preserving model utility. Existing privacy-oriented benchmarks mainly s…

本文如何被排名

报道来源 [1]

迈向细粒度遗忘：多模态大语言模型的属性非学习

相关实体

相关话题