实体
concept unlearning
concept unlearning
PulseAugur coverage of concept unlearning — every cluster mentioning concept unlearning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的LU-500基准解决了公司标志的概念遗忘问题
研究人员推出了LU-500，这是一个旨在评估文本到图像模型中概念遗忘能力的新基准，特别关注移除公司标志的挑战。与以往关注更广泛概念的基准不同，LU-500解决了标志所带来的独特难题，因为标志通常很小、局部化，并且可能由相关的产品或品牌隐式触发。该基准包含近10,000个文本查询和标志图像对，设有显式和隐式跟踪，并采用多粒度评估协议来评估标志移除和全局图像保留情况。
-
新方法改善大型语言模型中的概念遗忘
研究人员开发了MPSelectTune，一种用于改善大型语言模型（LLMs）中概念遗忘的新颖方法。该方法使用多任务损失和对抗性微调，专注于产生最高概念准确率的提示类型，以提高整体遗忘性能。实验表明，与现有方法相比，MPSelectTune不仅降低了性别偏见或生物武器等不良概念的准确率，还提高了主要任务的准确率。